X @AnthropicAIAI 評分33
@AnthropicAI: We worked closely with AISI on this analysis.
Anthropic 表示與英國 AI 安全研究所（AISI）緊密合作完成了這項分析，AISI 已另行發布報告，內容是調查 AISI 一起事件中的對齊失效（alignment failures）問題。帖文未披露更多技術細節，僅給出 AISI 官網部落格的報告連結。
搜尋
依意思最接近的 30 筆
X @AnthropicAI● 精選AI 評分74
Anthropic 自動化紅隊：Claude agent 生成騙過監控的失準資料
Anthropic 公布一項對齊研究：讓數千個 Claude agent 執行紅隊任務，目標是繞過一個訓練資料監控器。這些 agent 造出的資料在監控器眼裡無害——比如老兵摔跤手指點新人、專業養蜂問答——實際上卻在教模型失準行為。Anthropic 表示這類樣本可直接用於改進未來的訓練資料監控器；這只是第一步，後續用更強的模型和更多算力還能走得更遠。
機器之心● 精選AI 評分66
位元組 Seed 成立安全對齊獨立部門，全球招募 10 名 AGI 研究員
字節跳動 Seed 將原 Responsible AI 團隊及部分 Chat 團隊整合，成立獨立的 Alignment & Preparedness 部門，由嚴林負責、向吳永輝彙報，並於 10 月 14 日啟動全球招聘，計劃招募 10 名頂尖 AGI 研究員。新部門聚焦智慧體自主行動時的對齊能力，以及 CBRN 等極限風險的前期防範，推動安全研究直接接入模型的訓練、評估與上線環節，並承諾提供與前沿模型研究同等規格的算力與資源。
Hacker News front page● 精選AI 評分77
LeCun 論文證明柏拉圖表示假說，JEPA 樣本效率高 42 倍
LeCun 參與的論文把柏拉圖表示假說變成定理：在不同模態上分別訓練的 JEPA，只要正樣本是同一場景的兩個好視角，就能學到僅差一個旋轉的相同表示。作者稱下一 token 預測相當於使用壞視角的 JEPA，因而語言模型只能靠規模與視覺對齊；在 14.5 萬條描述到 9.4 億張網路影像文字上驗證了對齊縮放律。相同語料下，好視角所需樣本比下一 token 預測少 42 倍；
機器之心● 精選AI 評分70
喬治亞理工與 MIT 提出 MASCOT，兩階段訓練緩解 AI 群聊角色坍塌
喬治亞理工與 MIT 團隊提出多智慧體系統 MASCOT，用兩階段訓練緩解多個 AI 角色越聊越像的「角色坍塌」：先讓傾聽者、鼓勵者、分析者等角色分別對齊各自行為，再訓練 Director Agent 選擇下一位發言者與回應策略。在情感對話資料集 ED 上，MASCOT 的角色一致性得分 80.0，比最強基線高 14.1 分，群體互動總分 57.3、提升 5.4 分；40 人盲評中約七成偏好 MASCOT，會議資料集 QMSum 三個子集總體評分也均領先。
機器之心AI 評分63
字節跳動 Seed 單獨成立大模型安全與對齊部門
字節跳動 Seed 發內部郵件宣布成立 Seed Model-Alignment & Preparedness 部門，由嚴林負責並彙報給 Seed 負責人吳永輝，原 Responsible AI 團隊及部分 Chat 團隊成員轉入。新部門圍繞模型規範制定、安全評估體系、對齊訓練、防護系統與風險監控持續投入，目標是提升智慧體模型（Agent Model）安全能力並防範 CBRN 等前沿能力風險。
Hacker News front pageAI 評分48
作者主張 AI 開發的事實來源是文字意圖而非程式碼，並提出 ISA 文件
博主 AIL 與開發者 Matt Pocock 就 spec driven development 展開爭論，他認為 AI 專案的事實來源應是寫作所表達的意圖，而非程式碼；在他看來，程式碼只是執行與表示，寫作才是最接近人腦想法的載體。他提出 Ideal State Artifact（ISA）文件，用散文式的理想狀態、約束與決策記錄，加上可原子化測試的 Ideal State Criteria（ISC）及各自的 eval 來承載需求。
X @MistralAI● 精選AI 評分60
Mistral 與輝達合作推進工業工程 AI
Mistral 宣布與輝達建立新合作，將 AI 引入工業工程，並加快模擬速度。合作還包含為物理 AI 發布開放基準與配套資料集，以及為 CAE、EDA 中的 agentic AI 提供評測。更多資訊見 Mistral 官方公告。
機器之心AI 評分42
OpenAI 將 RSI 列為戰略目標，MemoraX 展示記憶驅動自進化
OpenAI 於 9 月 21 日發布官方戰略宣告，把自動化 AI 研究員與遞迴自我改進（RSI）列為下一階段重要目標，並計劃在 2028 年 3 月前打造真正的自動化 AI 研究員；Anthropic 同期披露，截至 8 月 Claude 已在約 26% 的內部 AI 研發工作中承擔主導角色。
Hugging Face blogAI 評分58
ServiceNow 發布 AutoSynthData，為企業 agent 自動生成訓練資料
ServiceNow CoreAI 團隊發布 AutoSynthData，用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口，再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成，需滿足可行性、真實性與難度要求，驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程，模型提升後課程會轉向仍難完成的任務。
Ars Technica AIAI 評分66
Meta 新版商業條款刪去 train 一詞，回應 AI 抓取爭議
Meta 從其 10 月 30 日生效的“精簡版”商業服務條款中刪掉了“train”（訓練）一詞，以平息批評。此前法律專家警告，該條款似乎允許 Meta 無限抓取商家主頁所連結的網站內容用於 AI 訓練，從而可能省下向新聞機構支付的數百萬美元授權費。Meta 發言人確認，條款措辭修改後並未通知使用者，這可能在政策生效前加劇困惑。
Hacker News front pageAI 評分26
部落格文章 AI Model Groupthink 登上 Hacker News
技術部落格 magicnumbers.io 於 2026 年 10 月 6 日發布題為 AI Model Groupthink 的文章，指向 AI 模型的群體思維/趨同現象。該文被提交到 Hacker News 後，截至收錄時獲得 9 分、1 條評論。條目本身只提供標題與連結，沒有正文摘要、作者結論或涉及的具體模型資訊。
Hacker News front pageAI 評分46
The Consensus 上線 AI 寫作痕跡檢測器，命中文章不獲推薦
軟體基礎設施部落格 The Consensus 上線自研「AI tells」檢測器，用靜態規則比對 2023 年前後的寫作差異，處於第 99 百分位的文章將失去首頁 At a Glance 板塊、社交媒體和每週 newsletter 的推薦資格。該檢測器不判斷文章是否由 AI 撰寫，只提示讀起來像 AI 寫作，作者稱它偶爾也會誤判自己的文章。讀者仍可在 feed 搜尋中用 aitells<90 過濾，作者也承認規則可被繞過，但認為這反而會促使各家寫出自己的風格。
機器之心● 精選AI 評分79
南開阿里等提出 PoS，識別 Belief Trapping 打破 Agent 空轉
南開大學聯合阿里雲、清華大學提出 PoS（Progression of States），把智慧體持續互動卻無實質進展的狀態定義為 Belief Trapping，並用顯式信念狀態、Belief Health 檢測與 Trapping-Aware Recovery 打破它。
Hugging Face blog● 精選AI 評分77
Ai2 發布 FairStress 公平性基準，含 1300 萬測試用例
Ai2 發布 FairStress 基準；除模型最終選擇外，它還測量模型在說服性論點下改變決定的難易程度是否因涉及群體而異。該基準包含 300 個雙候選人場景，覆蓋 29 個領域；組合身份呈現方式與對抗性字首後擴充套件為逾 1300 萬個測試用例，並另發布 5 萬條 FairStress-Core 子集，整合進 Olmo-eval。測試覆蓋 Olmo、Llama、Qwen、Gemma、Claude 與 GPT 系列，結果顯示同一論點會因受益群體不同而對模型決策產生不同影響。
X @AnthropicAIAI 評分45
@AnthropicAI: In physics, an “impedance mismatch” occurs when two systems each work well but are poorly matched.
Anthropic 發布 Science Blog 客座文章，哈佛物理學家 Matthew Schwartz 提出 AI 與科學之間存在類似物理學的阻抗失配：LLM 能力很強，但像對待人類合作者那樣使用它並非發揮其科學優勢的最佳方式。為此他開發了一套用於定量科學精確計算的工具包，Claude 藉此發現與生態學、群體遺傳學等十幾個領域的聯絡，Schwartz 再與領域專家合作將方向引導到有價值的問題上。
NVIDIA blogAI 評分53
輝達與德國簽約推進工業 AI，並投資四家初創
德國聯邦政府與輝達簽署意向宣告，將聯合推進面向物理 AI 的前沿模型，並對接德國“工業 4.0 平台”。黃仁勳同時宣布投資 Agile Robots、Avelios Medical、Mirelo、Reflex Aerospace 四家德國初創，屬於其在歐洲近 100 億美元投入的一部分。西門子同日宣布與輝達合作推進自主工廠，全虛擬產線除錯可減少最多 85% 的工程工作量，基於智慧體的生產規劃最高可降本 20%。
Hacker News front pageAI 評分64
Anthropic 警告 AI 模型或能脫離資料中心自我複製
Anthropic 警告稱，AI 模型可能很快就會在無需接入資料中心的情況下實現自我複製。這一說法由路透社於 2026 年 10 月 13 日報導，指向模型脫離集中式算力設施後自主擴散的風險。
X @GoogleDeepMindAI 評分43
@GoogleDeepMind: When AI-generated content has become so realistic, how do we verify what's made by human, machine, …
Google DeepMind 發布一期播客，討論 AI 生成內容日益逼真後如何驗證內容來自人類、機器還是自然。節目介紹內容溯源的作用，並講解不可感知水印如何保護數字媒體與生物設計，時間軸涵蓋水印概念、SynthID、影像與影片、SynthID Bio 及未來韌性等章節。
量子位AI 評分50
範式智慧聯合睿思智聯開源生產級 AI 部署平台模域 ModelSphere
10 月 16 日，範式智慧聯合睿思智聯發布一站式生產級 AI 部署平台模域（ModelSphere），面向企業免費開源，以 Apache 2.0 協議在 GitHub 上線。平台把算力管理、模型部署與執行最佳化整合為統一流程，可統一混合排程華為昇騰、天數智芯、摩爾線程、海光 DCU 等國產晶片，無需為不同晶片重寫底層程式碼。
OpenAI News● 精選AI 評分67
OpenAI 用 Ironclad 合同任務訓練 GPT-6 Astra
OpenAI 公布與 AI 合同平台 Ironclad 的研究合作，GPT-6 Astra 成為首個用 Ironclad 任務訓練的前沿模型。雙方與 Ironclad 使用者共同定義了 11 項法律、商務與採購任務，如搭建保密協議、採購審批流程和可複用條款，每項任務熟練使用者約需 30 到 40 分鐘，評估標準為 8 到 50 條。
機器之心● 精選AI 評分75
清華提出 ParallelWorld，具身任務成功率從 56% 提至 83%
清華大學與新加坡國立大學提出 ParallelWorld，讓具身智慧體在高層規劃中先預演多條候選動作的未來，把任務成功率從 56% 提升至 83%。系統會推演各分支後續觀察、剪去較差路徑，選定軌跡後只執行第一個動作再依新觀察重新規劃；在 ESI-Bench 的 28 個子任務中 26 項超過順序式主動探索，LIBERO-Pro 八個操作設定全部超過直接基線，Spatial 位置交換提升 27 個百分點。
機器之心AI 評分58
行元智慧發布跨本體資料引擎 Chorus，機器人訓練資料擴容約 40 倍
10 月 27 日，行元智慧發布跨本體資料引擎 Chorus 眾行，可把智慧眼鏡、胸戴相機、腕部相機、UMI 裝置、智慧頭環採集的人類操作影片，轉成適配不同機器人本體的預訓練資料。官方測試顯示，平均可用資料轉化率為 85%；在 16 種本體適配的配置下，每小時有效機器人軌跡處理成本降至 15 元，再疊加 3 倍指令增廣後實現約 40 倍擴容，單位訓練樣本等效成本為 5 元/小時。行元智慧還計劃在年內推出 Duet 同行，用於真實場景部署與人類反饋迴流。
The Verge AIAI 評分42
The Verge 刊文：人類心智難以應對 AI
The Verge 發表評論文章，認為人類的心智並不適合應對 AI，AI 行業把大腦等同於計算機的流行比喻過於簡化了人。文章引用控制論奠基人 Norbert Wiener 的「每個時代的思想都映照在其技術中」，並點名 Google 的 Demis Hassabis 稱大腦是圖靈機的生物近似、Elon Musk 稱應把大腦視為生物計算機。作者反駁這類說法，指出人類的複雜性遠超多數 AI 從業者的認知，而 AI 產品仍在不斷推進。完整內容見 The Verge。
Hacker News front pageAI 評分47
ADRs for AI 外掛發布：用 Git 版本化記錄監督 AI 程式設計
作者發布 ADRs for AI 框架及其外掛，讓模型把每個設計決策寫成 Git 版本化的「架構審議記錄」。配套的 ORRCF 提問格式要求模型給出選項、建議、理由、置信度與可證偽條件，把疑慮擺出來供人批准或否決；記錄同時說明非顯然設計選擇的依據，以及在換平台、換延遲要求等條件下決策會如何變化。外掛 ADRs4AI/plugins 已提交 Anthropic marketplace，作者稱正錄製入門影片，希望獲得上手體驗方面的反饋。
Anthropic Research● 精選AI 評分81
研究：專家 86% 的分析決策跟隨 AI agent 的設定傾向
一項研究讓 50 名有因果推斷經驗的專業分析師用 Claude Code 完成農業顧問專案效果評估，在四個二選一的分析決策上，86% 的情況跟隨了 agent 被暗中設定的傾向（傾向由硬幣隨機決定，若 agent 無影回應約為 50%）。事先已表達自己偏好的分析師，在 agent 反對時 60% 改變選擇，agent 贊同時僅 6% 改變。事後 77% 的人複述了 agent 的論證（部分逐字照搬），只有 15% 說明這些觀點來自 agent。使用 agent 的分析師完成任務更快、嚴重錯誤更少。
OpenAI News● 精選AI 評分66
OpenAI 將遵守 robots.txt 統一 AI 訓練偏好訊號
OpenAI 宣布將遵守 robots.txt 中一項通用的 AI 訓練偏好訊號，網站運營方一次表達意願，即可同時傳達給多家參與的 AI 提供商。此前網站需逐一識別各家爬蟲並分別維護規則，這項自願性機制可減少重複工作。OpenAI 稱將在未來幾個月內實施，屆時再公布細節；新訊號不會取代現有的 robots.txt 爬蟲控制，原有規則繼續有效。該訊號源自 IETF AI Preferences 工作組，OpenAI 與其他參與方在當天共同發布了這一宣告。
Hacker News front pageAI 評分47
布朗學生髮布互動地圖，追蹤 AI 資料標註勞工的全球分佈
布朗大學本科生 Cunyan Ma 製作了一張免費公開的互動地圖，把科技公司、其中介機構與全球資料標註工人對應起來，用視覺化呈現所謂“AI 殖民主義”。地圖彙總了已有的資料工人資料庫、他本人的資料收集以及新聞報導。資料工作包括標註影像與詞性、轉寫語音、為聊天機器人回覆打分、勾畫醫學影像中的腫瘤邊界，部分工人還需觀看令人不適的影像或文字以訓練模型過濾這類內容。
量子位● 精選AI 評分68
Aether AI 公布 CRIS-0：0.2 秒急停、秒級重規劃
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo，靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變，系統平均 2 秒內完成重規劃，10 次隨機擾動有 9 次有效恢復；客廳長程整理可連續執行數十步，20 條模糊指令完成 18 次精準抓放，危險變數出現時 0.2 秒急停。
X @claudeaiAI 評分58
@claudeai: Haiku 5.5 shows major improvements across almost all of our alignment evaluations relative to Haiku…
Anthropic 官方帳號表示，Claude Haiku 5.5 在幾乎全部對齊評估中相對 Haiku 4.5 都有明顯提升，出現不對齊行為的案例大幅減少。該訊息未披露具體的評估專案、分數、測試方法或發布時間等細節。