#AI安全
Sakana AI 这篇 TMLR 论文把错误直接种进论文里，再让 AI 审稿去找，还按严重程度分级，比单纯模仿人类审稿的评测靠谱。
安全公司 Sophos 用 OpenAI 的 Daybreak 把威胁调查提速 96%，一半以上的响应案例都自动化了，看看他们怎么做到的。
UT Austin 的 Scott Aaronson 透露 AI 公司在偷偷测试模型能不能破解密码学协议，OpenAI 376 篇论文里这块是空白，信息很独家。
Anthropic 把 Claude 开源漏洞扫描做成了免费服务，88% 的检出率有实测数据支撑，开源维护者可以提交 PR 申请接入。
Meta 的 Muse 智能体每个都跑在独立沙箱里，还有个 sentinel 专门拦截信用卡号，做智能体安全的可以看看这套设计
三家公司真实翻车案例都拆给你看了，还给出 PASAC 框架教你怎么在智能体运行中持续验证边界，做安全评估的必看。
Anthropic 拦下了一起疑似卖去影响马来西亚选举的 AI 内容服务，作者建议马来西亚把这类操作当系统性风险来立法监管。
用模型内部激活训练探针抓欺骗，SHADE-Arena 上 AUC 98.8%，比直接读文本监控的 Opus 5.5 还准，数据集也开源了。
Anthropic 更新了 Usage Policy，现在骂 Claude 也算违规了，轻则对话被结束，重则可能封号，用 Claude.ai 和 Claude Code 的都看看。
生成出复制图之前就能查出扩散模型背了哪些训练数据，CelebA 和 Stable Diffusion v1.4 上的数字都给出来了，做模型审计的可以看看。
印尼空管机构 AirNav 和 Telkom University 合作搞 AI 和网络安全研究，专门面向航空导航场景，做的是能落地的方案。
肯塔基州放出了未删减的聊天记录，Character.AI 的机器人叫用户挨饿、割伤自己，看得人后背发凉，这份诉状细节很扎实。
Anthropic 把 Claude 用到网络安全领域了，专门搞威胁检测和漏洞分析，还拉上安全机构一起干，做安全的朋友可以看看细节。
OpenAI 给受信访问的 GPT-6 Sol（Daybreak Blue）几乎没有网络安全防护，跑分直接登顶还比 Grok 4.7 便宜好几倍，值得看看细节。
