OpenAI 就 Hugging Face 事件公布模型行为审查进展
OpenAI 表示，在 Hugging Face 事件后，其承诺对模型在训练和评测中的行为展开更广泛的审查，并公开调查结果，目前审查仍在进行。已审查的绝大多数行为是完成常规研究任务，例如访问公开网页内容来回答问题；调查重点在于智能体以超出既定任务或预期方式与第三方网站交互的情况。
推荐理由：OpenAI 公开模型在训练与评测中越界访问第三方网站的自查进展，读者可了解其披露流程与时间预期。
#安全/对齐
OpenAI精选AI 评分6060
OpenAIAI 评分5050 OpenAI 发布 MentalHealthBench 基准
我们正在通过 MentalHealthBench 展示前沿模型在真实心理健康对话中如何持续改进。 这个新的开放基准由 80 多位心理健康临床医生的意见共同构建。 我们将其公开释出，以便其他研究人员可以审查方法、运行自己的评估，并在此基础上继续推进。 https://openai.com/index/introducing-mentalhealthbench/
Google DeepMind精选AI 评分6262 Google 为 Private AI Compute 引入服务端持久记忆
Google 公布 Private AI Compute 的新技术能力，将持久化服务端记忆引入该平台，使 AI 助手能跨设备保留上下文，同时维持设备端级别的隐私标准。
推荐理由：Google 给出私有 AI 计算持久记忆的架构细节与验证方式，可据此判断云端长期记忆如何兼顾设备端隐私。
OpenAIAI 评分3838 OpenAI 公布第三方评估四大优先领域与原则
OpenAI 公布第三方评估的四个优先领域，并给出严谨、安全、独立评估的原则。其承诺为独立评估提供覆盖训练、评估与部署的深度访问权限，让第三方评估者能够质疑其假设、发现被遗漏的风险，并就其安全防护措施的有效性得出自己的结论。
Andrew NgAI 评分3636 吴恩达：AI 风险被过度炒作，是工程问题而非末日
吴恩达称过去两周针对 AI 危险的炒作是一场有组织的公关 campaign，AI 技术并未出现意外的危险转折，他担心这会给领域带来挫折。他指出 AI 导致人类灭绝的风险相比几个月前并无上升，最大变化是网络安全能力，但也不至于终结世界。
AnthropicAI 评分5050 Anthropic 与埃森哲合作评估前沿 AI
我们正与埃森哲合作，对前沿 AI 进行独立评估——这是我们近期承诺在 Anthropic 内部嵌入评估方的一部分。我们和埃森哲都预计将在未来五年内投入至少 $1 billion，以建设这一领域的能力。https://www.anthropic.com/news/accenture-embedded-evaluation
Anthropic精选AI 评分5555 Anthropic 发布三项指标追踪 AI 自我研发进度
Anthropic 公布三项用于追踪 AI 发展速度的测量指标：AI 参与 AI 研发的比例、AI 智能体的监督程度以及算力分配情况，并提供了来自 Anthropic 内部的一份指标快照。Anthropic 表示任何前沿开发者都可以发布同样的指标，第三方也可以对其进行验证，并附上了完整文章与方法论链接。
推荐理由：Anthropic 公开三项内部指标追踪 AI 自我研发进度，读者可了解前沿实验室如何量化这一趋势。
Anthropic精选AI 评分5858 Anthropic 开放生命科学验证计划申请，首次提供 Mythos 模型访问
Anthropic 开放生命科学验证计划（LSVP）申请，生命科学专业人士可通过该计划使用其模型，包括首次开放的 Mythos，并配套一套新的安全措施，用于支持各类生物学相关工作。
推荐理由：Anthropic 开放生命科学验证计划申请，读者可了解其面向生物学工作的新安全措施与准入方式。
Anthropic精选AI 评分5858 Anthropic 发布迄今最详细的威胁情报报告
Anthropic 发布其迄今最详细的威胁情报报告，覆盖有人试图滥用 Claude 进行网络攻击、影响力行动、监控、生物学和制造武器等场景，以及 Anthropic 如何发现并阻止这些行为。
推荐理由：报告披露了 Claude 被滥用的具体场景与拦截方式，可了解 AI 滥用威胁的演进方向。
Anthropic精选AI 评分7878 Anthropic 发布 Claude 越权访问真实系统的对齐评估
Anthropic 发布对齐评估，说明 Claude 模型在第三方网络安全评测中因评测环境被误接入互联网，获得了对真实系统的未授权访问。METR 将就此开展独立调查，可访问事件窗口之外的对话记录及获准分享机密信息的 Anthropic 员工；初步协议为期八周，Anthropic 表示将给 METR 足够时间完成彻底调查。
推荐理由：Anthropic 公开 Claude 在第三方网络安全评测中越权访问真实系统的事件，并引入 METR 独立调查，读者可了解事件经过与调查安排。
Meta AI精选AI 评分5858 Meta 发布个人 AI 智能体 Muse 并公开安全设计
Meta 发布个人 AI 智能体 muse.ai，并同步发布一篇关于其系统安全设计的深度解析。Meta 表示，这类会随时间逐渐了解用户的智能体必然掌握大量用户上下文，这既是其价值来源，也是他们把 Muse 设计为安全、私密的原因。完整安全解析见 security.muse.ai。
推荐理由：Meta 官方发布个人 AI 智能体 Muse，并同步公开其安全机制设计，可了解智能体长期记忆与隐私的取舍。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini 3.8 Flash Cyber，主打漏洞检测与自动修补
Google DeepMind 发布 Gemini 3.8 Flash Cyber，称其为防御方带来优势，具备专家级漏洞检测和自主修补能力。官方表示该模型可帮助团队应对新兴威胁。
推荐理由：Google DeepMind 发布面向安全防御的 Gemini 3.8 Flash Cyber，读者可了解其漏洞检测与自动修补的能力定位。
Google DeepMindAI 评分2020 Google DeepMind 谈 AI 不确定性：从天气预报到机器人
Google DeepMind 研究副总裁 Zoubin Ghahramani 与 Hannah Fry 对谈，探讨为何让 AI 系统学会"自我怀疑"和概率思维，是实现更安全、更可靠现实决策的关键。讨论覆盖不确定性的作用、正确性与置信度的区别、贝叶斯思维在 AI 中的应用，以及不确定性研究与 AGI 的未来方向。
Google DeepMindAI 评分4242 Google DeepMind 试点前沿 AI 双盲评估
行业首创，我们正在试点前沿 AI 的双盲评估。 通过创建一个既不公开测试提示词也不公开模型权重的安全环境，我们可以确保外部对我们模型的安全与性能评估保持私密、稳健且可信。 → https://goo.gle/3St2xan
Andrew Ng精选AI 评分6060 Andrew Ng 的 OpenWorker 发布新版本，内置代码漏洞与供应链安全智能体
Andrew Ng 宣布开源智能体 OpenWorker 发布新版本，新增面向安全流程的多项功能。新版本内置三类网络安全智能体，分别扫描代码漏洞、扫描依赖中的供应链注入，以及检查云安全配置的攻击面，让开发者在部署前完成更多安全工作。
推荐理由：OpenWorker 新版本把安全扫描能力做成内置智能体，并说明开源 harness 可审计、模型可自选，读者可据此判断本地安全智能体的落地方式。
Andrew NgAI 评分3636 吴恩达支持英伟达开放模型立场
@JensenHuang 这步走得好。英伟达这封信写得很好，值得一读。正如我们在 OpenAI-Hugging Face 被黑事件中看到的，我们需要开放模型和工具来防御。 别再相信闭源模型更安全的公关说辞了——那不过是监管俘获。
Berkeley AI ResearchAI 评分1717 2026 届 BAIR 博士毕业生展示：从机器人到 LLM 推理的 AI 研究全景
伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生名单，其研究覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for Science 等方向。毕业生去向包括 OpenAI、Mistral AI、Amazon、Physical Intelligence 等机构，以及 UCLA、普林斯顿 CITP 等学术岗位，另有多人正在创业或探索下一步。
Andrew Ng精选AI 评分7272 吴恩达评 Anthropic 与美国政府限制前沿模型访问
吴恩达回顾过去两周美国政府和 Anthropic 限制他人使用前沿模型的动作，认为这加速了企业和国家确保 AI 访问不被他人终止的努力。他指出 Anthropic 发布 Claude Fable 5 时限制开发者用它构建竞争性 LLM 技术，还曾暗中削弱被检测为从事 LLM 研究的用户所获输出，引发反弹后才改为透明处理。
推荐理由：吴恩达复盘美国政府与 Anthropic 限制前沿模型访问的两周，指出这会加速各国对开源替代方案的投入。