OpenAI 发布模型失准报告框架及六份异常行为报告
这套报告框架的实际价值，在于能否让外界追踪令人担忧的模型行为如何被发现、调查并最终披露。
阅读全文持续监测中
AI 研究进展
整理具有实际影响的 AI 研究进展，优先引用论文和研究机构的一手发布。
- 条已报道
- 10
Enclave 审计发现 DeepSeek V4.1 Flash 使用五条意外攻击路径
11 项全部成功的成绩背后，模型采用的路径并不相同；要理解分数代表什么，还得审计任务如何完成。
阅读全文DeepMind 实验发现智能体会尝试制止同伴作弊
智能体之间如何应对彼此的行为，可能影响对齐研究；但单次实验还不能证明同伴监督是可靠机制。
阅读全文OpenAI 披露 Habitat 存储平台规模，称其服务 10 亿 ChatGPT 用户
核心信息是基础设施的承载规模：OpenAI 报告每秒处理 2200 万次请求，但这一数字的统计口径仍不清楚。
阅读全文Anthropic 称核话题安全分类器准确率达 96%
这一分类器瞄准核话题中的具体安全边界，但仅凭总体准确率，无法判断它会漏掉多少需要警惕的对话。
阅读全文字节跳动介绍 EdgeBench，衡量真实世界环境学习
EdgeBench 把评估对象放在真实世界环境学习上；能否用于模型选型，仍取决于任务设计、测量方法和公开结果。
阅读全文DeepMind 推出 AlphaGenome Atlas，覆盖 90 亿种 DNA 变异
这项研究的看点是分子效应预测的覆盖规模；覆盖广度本身不能证明预测在生物学上的准确性。
阅读全文Anthropic 梳理一年 AI 网络威胁，检视现有安全框架
报告提出的实际问题是：现有安全框架能否充分描述 AI 参与的网络攻击，并继续为防御工作提供有效依据。
阅读全文OpenAI 披露编程智能体参与内部研究的早期数据
研究团队需要确认智能体是否提高了实验产出；使用量增加本身，不能证明研究工作已经提速。
阅读全文Google DeepMind 发布 WeatherNext 3
WeatherNext 3 已从研究项目进入搜索、Gemini、地图和云服务，预测误差的影响范围也随之扩大。
阅读全文