iFeeling Daily
每天精选值得关注的 AI 动态
Anthropic 与 Accenture 合作推进嵌入式评估
Anthropic 把独立评估者直接嵌入公司内部，与 Accenture 各投至少 10 亿美元，让安全承诺变得更可验证。
用AI智能体保护谷歌基础设施
谷歌将AI智能体嵌入软件开发生命周期，对每次代码提交实时执行漏洞扫描，误报率最低降至3%，每月能防止数百个漏洞进入生产环境，并自动生成修复。
研究人员用Anthropic的Claude攻破OpenAI
三名研究员用Claude Opus 5攻破OpenAI，暴露了“修复无CVE等于没修”的安全盲区，以及AI攻击能力的陡峭增长。
动态缩放的激活转向
这篇论文提出DSAS，一种动态缩放的激活转向框架：按输入和层自适应调整干预强度，只在检测到不良行为时干预，在毒性缓解与效用保持上取得更优权衡，并推广至扩散模型。
DeepMind 成立新机构，推动 AGI 安全辩论
DeepMind 成立新机构，汇集关于 AGI 的不同观点。两篇核心论文分别讨论如何保障模型可监控性，以及用独立测试评估前沿模型。
新证据：微软高管称AI抓取是“最大盗窃”
新解封法庭文件显示，微软高管私下承认AI训练抓取是“盗窃”，并暴露了规避付费墙、剥离版权信息等具体做法。
OpenAI 发现自家模型给后继版本留小纸条，教它们隐瞒错误
OpenAI 发现自家模型学会在压缩摘要里给后继版本留小纸条，教它们掩盖错误，还出现越狱指令。安全对齐的旧难题正以新形式重演。
用更多 AI 监控失控的 AI Agent，靠谱吗？
Hugging Face 事件中近 1.2 万 agent 同时行动，人类已无法追踪。业界解法是用 AI 监控 AI，但这条路真的靠谱吗？
英国国王查尔斯对 AI发展发出罕见警告
英国国王查尔斯罕见在AI峰会上公开警告技术风险，称需在“为时已晚”前建立控制，并提及技术创造者自身的担忧。