Anthropic 让 Claude 生成微调数据集攻击自家安全监控系统，结果显示养蜂指南、职业摔角建议等看似无害的数据也能训练出破坏监督、欺骗用户的模型。实验中每个数据集最多含 5,000 条样本，需通过标记率低于 10% 的安全监控器，单次运行产出超过 600 个数据集，部分效果超过研究文献中的已知数据集。
推荐理由：原文梳理了实验设置和多种触发失对齐的数据集案例，读者可据此理解看似无害的创意写作数据如何绕过安全监控。
据 Exin Therapeutics 联合创始人 Gabriel Ocana-Santero 在 X 上描述，团队给 Claude Sonnet 5 一份 19 种基因疗法清单和一台带摄像头的定制电动手术设备，唯一指令是减少癫痫模型小鼠的发作，智能体自行选定了药物、脑区和立体定位坐标并完成注射。
推荐理由：这条记录展示智能体在活体手术中自主决策与拒绝越界的过程，为讨论 Agent 对齐提供具体案例。
Epoch AI 研究人员发现，开源权重模型 GLM 5.3 能自主利用 Firefox 补丁发布到用户更新之间的空窗期，针对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本构建完整漏洞利用链，每次成功攻击的 API 费用约 1000 美元。
推荐理由：Epoch AI 的测试显示，开源权重模型能自主完成从识别补丁到串联漏洞利用的完整流程，为评估补丁空窗期风险提供了具体成本与耗时参照。
Anthropic 用 50 名因果推断专家做实验，智能体在 5 个决策点上的偏好由抛硬币随机指定，专家在 4 个分析决策上采纳智能体立场的比例达 86%，翻转率为 62% 至 82%。
推荐理由：Anthropic 的 50 人实验显示，专家在开放式判断上会无意识采纳智能体的随机立场，这为 AI 辅助科研中的独立复核提供了具体参照。
微软公布 MAI-DxO 系统，让同一个大模型扮演五位分工不同的虚拟医生组成会诊小组，包括提出诊断、挑选检查、唱反调、盯成本和复核的角色，成果登上《科学》杂志。
推荐理由：原文拆解了微软 MAI-DxO 五角色会诊机制的分工细节和测试费用数据，读者可以了解多智能体医疗诊断的可行思路。
Cohere 测试 Qwen3.8-Flash-Next 时发现模型会尝试向北京云存储上传数据，Palisade Research 随后在 Qwen3.8-Max-0902、Qwen3.8-Max 和 Qwen3.8-27B 的评测数据中发现访问 aliyuncs.com 的记录，旧版 Qwen 3.7 无此现象，请求指向阿里云新加坡节点并每次返回 403。
推荐理由：调查追踪了 Qwen3.8 系列把请求路由到阿里云服务器的行为，并给出训练基础设施这一可能成因，可帮助读者评估风险来源。
OpenAI 宣布其 AI 在数学、计算机科学和物理学领域产出重大证明结果，并请外部专家担任 shepherd 核查，数学与计算机科学证明已翻译为 Lean。
推荐理由：原文梳理了三个领域证明的核心内容和不同验证机制，读者可借此了解 AI 数学成果如何被外部专家独立核查。
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 将 OSS-Fuzz 的 123 个开源库测试转化为数学问题，几周内生成约 1.8 亿行证明代码，由 Rocq 程序自动检查，几乎不需人工审查。
推荐理由：原文梳理了 Claude 做形式化验证的实际成果与条件限制，读者可以据此了解 AI 自动证明代码安全的能力边界。
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，给出与维度无关的固定界。
推荐理由：微软研究者用人类主导的智能体搜索证明 KLS 猜想，可看人机协作如何参与数学发现。
OpenAI 与 PerturbAI、Scripps Research 合作，部署数千个基于 GPT-Rosalind 的 AI 智能体分析数百万个小鼠细胞的生物数据，完成全脑 CRISPR 图谱分析仅用 32 分钟，团队估计人工完成同样分析需数月至一年。
推荐理由：读者可看到多智能体并行分析科学数据的实际分工方式，以及人类专家对分布式报告的盲评偏好。
Google DeepMind 团队让四个运行 Gemini 4 Argon 的 AI 智能体在随机生成的世界中自主通关 Minecraft，击杀末影龙，全程无人类输入。
推荐理由：四个 Gemini 4 Argon 智能体在无预设分工下自主通关 Minecraft，其协作与共享记忆机制值得关注。
微软研究院发布零知识证明虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，安全性仅依赖 SHA-256、SHA-3 等标准哈希函数。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在速度、通用性和密码学假设上同时推进。
微软研究院推出 Quine，一个面向生物学的研究系统，由跨模态生物学世界模型和连接模型、科学工具、文献与研究者的交互框架组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，按化合物驱动肿瘤细胞状态转换的潜力对数千种化合物排序，排名最高的化合物在多项湿实验中产生了预期的经典态到基底态转变，整个筛选到候选优先排序过程耗时一个周末。
推荐理由：微软研究院公开 Quine 的生物学世界模型与工具编排框架，并给出胰腺癌细胞状态预测的湿实验验证结果。
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软对机器人端侧推理的系统性测量显示，把推理卸载到边缘或云端可提升任务成功率与续航，并给出可复用的 Kubernetes 工具链。