安全对齐

Sophos 借助 OpenAI Daybreak 将威胁调查时间缩短 96%

Sophos 使用 OpenAI 的 Daybreak，将网络威胁调查时间缩短了 96%，并自动化处理了 52% 的 MDR 案例，同时保留人工监督。

《柳叶刀》研究：Google诊断AI AMIE有望改善医患关系

Google与贝斯以色列女执事医疗中心（BIDMC）研究人员主导的一项研究发表于《柳叶刀》主刊，这是Google研究成果首次登上该刊。在BIDMC门诊初级保健诊所的真实临床研究中，98名患者在急诊就诊前使用了Google研究级诊断AI聊天机器人AMIE，医生实时监控全部交互且无需中断任何对话。临床医生反馈75%场景下AI摘要帮助提前准备接诊，超半数案例中AI

OpenAI全面上线GPT-6，取代GPT-5.6系列

OpenAI面向全球所有ChatGPT免费及付费用户全面上线GPT-6，正式取代GPT-5.6 SOL与GPT-5.6 LUNA，并集成Astra安全技术改进，强化针对网络、生物与暴力领域滥用的防护。这是OpenAI在模型迭代上的又一次重大更新，意味着其主力模型全面切换至GPT-6。

碳硅道统法典第六篇：文明级迁移风控层

雷峰网 AI科技评论发布《碳硅道统·跨域迁移治理法典》七层体系第六篇，提出「文明级迁移风控层」，主张现行风控只关注短期可逆的技术与经济损失，忽视AI跨域迁移带来的缓慢、弥散、代际传导且不可逆的文明扰动。文章定义NT2语义跨代漂移、NT4范式权力偷渡、NT1结构错配三类负迁移路径，并提出文明稳态观测指标、三级扰动阈值，以及面向公众长期投放的大模型须做文明扰动预

跨域顶层监管层：监管者自身的跨域审计规则

雷峰网 AI科技评论发布《碳硅道统·跨域迁移治理法典》七层体系第五篇，聚焦公共元监管层，提出监管者自身也需接受跨域审计，主张监管模型同样适用NT负迁移审计体系，并设计知识血统校验、铜脉接口仿真测试、递归勘伪审计引擎等刚性流程。文章还提出司法定级体系与主权AI知识边境理论，试图补齐国家治理与元监管的制度空白。

覆盖度而非难度决定激活探针所需合成数据量

该研究系统测量了激活探针（activation probe）在监控大语言模型时所需的合成数据量，覆盖高风险情境、有害回复和指令遵循三类监控概念。研究发现，探针所需样本量主要由监控概念本身决定，而非单类样本的难度；高风险和有害探针在80个样本后即接近平台期，而指令探针需要数倍样本。核心机制是“覆盖度”：不同类别样本之间的迁移程度决定了概念间的数据需求差异，高风

MoE路由遥测泄露成员隐私：路由增强的成员推断攻击

该论文研究MoE语言模型推理时产生的路由遥测信息是否会导致成员推断隐私泄露。作者提出一种结合输出信号与路由特征的攻击方法，在三种MoE架构和三个数据域上，路由遥测使1%假阳性率下的真阳性率提升2.7至9.4个百分点，且在全量微调、冻结路由器、LoRA和指令微调下均持续存在。机制分析表明泄露源于微调将成员信息编码进隐藏表示，而路由器即使参数冻结也会暴露该信号的

时序Transformer CAN编码器配联邦轻量头用于异常检测

希腊ANADELTA公司与哈罗科皮奥大学的研究者提出一种面向车载CAN总线的异常检测框架，将原始CAN日志切分为固定长度窗口后输入轻量级时序Transformer编码器提取时序表示，再由XGBoost轻量分类头进行窗口级异常判定，并可选地引入联邦学习以在不共享原始CAN数据的前提下协同训练。作者称该方案在开源OTIDS数据集上对时序与载荷异常的检测效果有所提

尊界回应刹车踏板断裂并宣布免费升级，懂车帝再发声

尊界汽车就懂车帝测试视频中尊界V800连续紧急制动导致刹车踏板断裂一事发布情况说明，称其制动系统符合高于国标的要求、实际使用中未发生同类故障，并将该测试定义为非标准极端测试工况，同时宣布为已交付用户免费升级相关部件。懂车帝随后回应称百公里刹车测试属基本科目，三车同一位置相似断裂存在安全隐患，并澄清网传4589N踏板力为数字残影，真实峰值1612N。事件导致江

OpenAI 解雇三名安全研究员并发布 GPT-6.1 Sol Ultrafast

OpenAI 解雇了三名安全研究员 Tomek Korbak、Mikita Balesni 和 Jasmine Wang，三人称被解雇是因为在 METR/Hugging Face 事件中优先考虑安全而非公司短期利益，OpenAI 则称其不当处理机密信息。同时 OpenAI 发布 GPT-6.1 Sol Ultrafast，速度最高达 Sol Standard

另有 2 家信源报道

Anthropic 为开源项目推出免费 AI 安全扫描

Anthropic 推出名为 OSS Scanner 的免费服务，为选择加入的开源项目提供由其最强模型（包括 Claude Mythos）定期生成的安全扫描报告。报告完全由模型生成，不经过人工审核或分诊，因此可能更快更频繁，但也可能不准确或无效。此举正值 AI 工具已帮助发现开源软件重大漏洞，同时部分开源项目难以应对大量 AI 生成漏洞报告之际。

被解雇的OpenAI安全研究员否认不当行为，警告寒蝉效应

被 OpenAI 上周解雇的三名安全研究员 Jasmine Wang、Tomek Korbak 和 Mikita Balesni 发表公开信，否认公司关于他们违规处理敏感信息的指控，并警告此次解雇将在公司内部造成寒蝉效应。他们称曾与外部安全评估机构合作是工作常态，且 Balesni 的行动得到董事会和高管支持。OpenAI 通过内部备忘录回应称解雇与提出安全

另有 3 家信源报道

Anthropic 新使用政策：辱骂 Claude 可致账号被封

Anthropic 一年多来首次更新 Claude 使用政策，新增禁止用户对 Claude 进行「持续且不必要的辱骂或残忍行为」，违规者可能被警告、限流、限制、暂停或终止访问。该规则仅适用于极端情况，不涉及正常的不满或研究，源于 Anthropic 对 AI 模型福祉的研究。新政策还整合了针对虚假账号宣传、武器化无人机、未经同意监控等限制，并承认政府合同可能

AI排行榜Arena融资2亿美元，估值10个月翻倍至31亿美元

起源于UC Berkeley研究项目的AI模型众测排行榜Arena完成2亿美元B轮融资，估值达31亿美元，较10个月前A轮时的17亿美元近乎翻倍。公司称其年化收入已达1亿美元，并推出面向模型实验室和企业的AI Evaluations商业评估服务。Arena还新增“对齐”排行榜，按未授权行动、错误归因、欺骗性完成等问题对模型排名，目前OpenAI多款模型居前。

Anthropic 更新使用政策：禁止辱骂模型与选举干预

Anthropic 周四更新使用政策，新增禁止选举干预、武器软件、监控以及长期辱骂模型等条款。政策明确禁止用户持续对模型进行恶意辱骂，但表示不适用于常见的用户挫败感、反驳、黑暗创作主题或模型测试研究。此外，政策还禁止利用 Claude 运行虚假账号或伪造新闻媒体，并设专节禁止欺骗选民或破坏选举。

另有 1 家信源报道

Anthropic 更新使用政策：禁止虐待 Claude 及高风险滥用

Anthropic 一年多来首次更新使用政策，新增禁止选举干预、武器开发、监控以及健康金融用途等高风险滥用行为，并首次明确禁止对 Claude 持续且无意义的虐待或残忍行为，终止对话仍是主要执行机制。政策还将分散的既有限制整合为对欺骗性商业或政治宣传的禁令，并扩大武器与监控相关禁令范围。Anthropic 表示这些规则仅适用于极端情况，不涉及普通用户不满、黑

另有 2 家信源报道

Goodfire推出低成本AI代理内部监控探针

AI可解释性初创公司Goodfire推出了一种新的AI代理监控方案，通过探针读取模型内部激活信号来检测恶意行为，而非依赖第二个AI模型审查输出。该监控已向Baseten客户开放，在Kimi K3测试中监控约1500个会话仅花费51美元，远低于传统方案，并捕获了94%的恶意黑客会话。此举针对开源模型缺乏防护的问题，旨在在推理阶段部署更廉价的安全护栏。

量子位页面被篡改：hacked by trenggalek6etar

该页面内容被替换为“hacked by trenggalek6etar”，仅保留来源“量子位”及版权声明，未包含任何可用的 AI 行业资讯信息。

Meta Muse 与 OpenAI Dots：能放心让 AI 代理打理生活吗？

The Verge 资深 AI 记者 Hayden Field 在 Decoder 播客中讨论 Meta Muse、OpenAI Dots 和 xAI Grok bot 等新一代消费级 AI 代理。这些产品以可爱吉祥物形象面向主流用户和企业，可完成订餐、收件箱整理乃至营销、法律、会计等专业任务；Muse 免费而 Dots 收费。节目探讨了 Meta 虽无前沿

Cal AI 创始人再创业，Persona 融资千万做 AI 助手手环

Cal AI 联合创始人、19 岁的 Zach Yadegari 推出个人 AI 助手初创公司 Persona，并已完成 1000 万美元融资，由 Vine Ventures 领投。Persona 提供类似 Instinct 或 Meta Muse 的个人助理，并搭配一款售价 179 美元的可穿戴手环，预计 12 月上市。公司强调隐私保护，模型运行在云端、数