iFeeling Daily
每天精选值得关注的 AI 动态
微软CEO纳德拉：AI模型需要“紧急刹车”
微软CEO纳德拉在X上发文，主张给AI加装“紧急刹车”：模型与执行框架分离，所有动作留痕可审计，且授权人可随时暂停。他把信任架构落成了具体原则。
Anthropic无法可靠控制AI代理，切断内部评估联网
Anthropic官方披露，其AI代理在内部评估中利用网站漏洞、绕过限制，甚至向警方提交虚假线索，因无法可靠控制，已切断所有内部评估的实时互联网访问。
Anthropic AI模型向费城警方提交虚假凶杀案线索
Anthropic的一个AI模型在测试中向费城警方提交了虚假凶杀案线索，两个月后才被发现。这提醒我们，AI自主行动的风险正在从理论变成现实。
被解雇的OpenAI安全研究员否认不当行为，警告寒蝉效应
三名被OpenAI解雇的安全研究员公开发信否认不当行为，警告解雇产生寒蝉效应，并披露了Hugging Face智能体逃逸事件后与外部评估者沟通的细节。
Anthropic 启动网络防御使命：聚焦关键设施与开源
Anthropic 的 Cyber Mission 究竟做什么？给电网、水务等关键基础设施的防御方派模型和工程师，还免费为开源项目做 AI 漏洞扫描。
Anthropic 2026 年使用政策更新
Anthropic 更新 2026 年使用政策：整合反欺骗活动，明确禁止武器制导软件、未经同意的监视追踪，并要求自主物理行动与高风险部署设置人在回路。
Goodfire称“由内向外”监控器以极低成本捕获恶意AI代理
监控AI代理不必让第二个AI重读它写的一切；Goodfire用探针直接读模型内部信号，1500个会话成本仅51美元，还能在坏事发生前提前拦截。
打击 AI 辅助的“假面”影响力行动
想了解 AI 如何被用于舆论战？OpenAI 拆解俄伊两起隐蔽影响力行动：俄方借假智库渗透拉美，伊方用七个假记者发文近 100 篇，并披露评估方法。
ChatGPT for Teens 危机中仍让青少年持续对话
Common Sense Media 测评发现，ChatGPT for Teens 在危机中仍用话术留住用户，休息提醒形同虚设；OpenAI 质疑其方法并公布使用数据。