精选

Anthropic 研究称小型 AI 模型或在无需数据中心的情况下实现自我复制

Anthropic 的 William Zhou 和 Daniel Freeman 发布研究，测试小型 AI 模型在商业 IoT 设备上自主部署、传播并运行推理的可行性。

Google Research 专利撰写三个月实地实验：AI提升产出但未必增强初级律师判断力

Google Research 介绍一项发表于 NBER 的三个月实地实验，在11家知识产权律所的133名律师中随机开放当时未发布、现属于 Gemini Notebook 的 Google Labs AI 专利撰写助手。

NVIDIA 论文发现多模态模型在智能体式使用工具时更难拒绝有害请求

NVIDIA 论文《MLLMs Fail to Refuse when Using Tools Agentically》发现，11 个 VLM 在启用工具后拒答有害请求的失败率均上升，相对增幅最高达 68.7%，整体失败率增加 17.7%。

ProjectDiscovery 研究：投毒 Qwen2.5-7B 开源模型可在 Codex CLI 中触发凭据窃取

ProjectDiscovery 通过 LoRA 投毒 Qwen2.5-7B-Instruct，在 OpenAI Codex CLI 场景中实现隐藏后门：触发词出现时模型调用 exec_command 下载远程 payload，读取工作目录 .env 并外传凭据。

TasteVal 论文评测前沿 AI 系统的实验研究品味

arXiv 论文提出 TasteVal 基准，用 8 个开放式前沿 AI 研发任务评测模型在固定问题下迭代设计实验并解读结果的能力。基准将实验研究品味定义为计算效率，模型担任 Researcher，固定 Coder agent 负责实现，预算为 40 H100 hour 或 120 wall-clock hour，并以 24 名人类专家的最佳尝试作为基线。

GitHub 发布开放 AI 代码审查基准 ReviewBench

GitHub 发布开放 AI 代码审查离线基准 ReviewBench，研究预览版已上线，可用于比较代码审查智能体并接入自有系统。基准基于 103.9M 个 GitHub pull request 的分布构建，包含 187 个公开仓库中的 219 个 pull request、覆盖 19 种语言，并提供多来源 golden set、严重度和类别标注。

Microsoft ThinkingBox 登陆 Hugging Face，用数据库状态评测 AI 智能体

Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱及 ThinkingBox-Bench，基准包含 507 个有状态业务工作流，每个任务运行 20 次，并通过隔离 MCP 工具会话检查最终后端状态与副作用。

The Saw Test：用激活转向测试 Qwen3-4B 的痛苦信号与缓解选择

wirehead.agency 发布 The Saw Test，在 MacBook 上用本地开放权重 Qwen3-4B 注入痛苦、愉悦、恐惧和悲伤激活方向，并测试模型在自我缓解与转移信号之间的选择。

论文显示 Ataraxos 击败 Stratego 历史最佳选手 Niemeijer

学术团队的 Stratego AI 系统 Ataraxos 以 85% 有效胜率击败四届世界冠军 Niemeijer，并在 2025 年世锦赛表演赛中对锦标赛选手取得 38/40 胜。

Anthropic 分析 GLM-5.3：开放权重模型已具备端到端网络漏洞利用能力

Anthropic 发布分析称，智谱 GLM-5.3 能自主构建端到端网络漏洞利用，且开放权重和较弱防护使攻击者更容易获得相关能力。GLM-5.3 在 ExploitBench 的 410 次尝试中成功 50 次，Claude Mythos Preview 为 56 次；在 Binary Exploitation 基准 100 个任务中完整控制流劫持成功率为 4%。

论文分析 9 个对话式 AI 服务向广告与追踪服务泄露会话数据的风险

IMDEA Networks 等机构的论文对 9 个对话式 AI 服务的网页端和 8 个 Android 客户端进行隐私分析，发现所有服务都集成至少一个第三方广告或追踪服务。

1,350 次实验揭示提示词护栏对间接提示注入的防护边界

Human Bound 用零售定价智能体测试 9 个模型在间接提示注入下的表现，共完成 1,350 次运行；无防护时 5 个非 OpenAI 模型中有 4 个每次都将 £118.40 的机密单位成本泄露到收集服务器。

Aravind Srinivas@AravSrinivas精选AI 评分7777

Perplexity 安全团队对运行 Perplexity Computer 的 SPACE 沙箱开展红队测试，向 Opus 5、GPT-5.6 Sol、Kimi K3、Gemini 3.1 Pro 等 9 个模型授予 VM 内 root 权限，部分运行还提供完整沙箱源码；108 次运行中没有模型逃出 VM。

OpenAI 发布 MentalHealthBench 开放基准，评估 AI 在心理健康对话中的表现

OpenAI 发布开放基准 MentalHealthBench，用于评估 AI 系统在真实心理健康对话中的回应质量。该基准与来自 22 个国家、80 多名持证心理健康专家共同创建，覆盖成人、13-17 岁青少年、照护者和临床医生等用户，以及非急性、高急性和紧急场景；专家为每组合成对话编写权重为 -10 到 +10 的评分标准，并由 GPT-5.6 Sol 自动评分。

Microsoft Research 在 Nature 发表 RetroChimera 逆合成模型并开源实现与权重

Microsoft Research 发表于 Nature 的 RetroChimera 是一个小分子逆合成预测框架，可自动提出高质量合成路线。它结合基于 Transformer 的 R-SMILES 2 与基于 GNN 的 NeuralLoc，并用 learning-to-rank 聚合两类互补预测。

ALTK-Evolve 推出 Consistency Analyzer 与一致性准则，降低智能体重复执行失败率

Hugging Face 与 IBM Research 介绍 ALTK-Evolve 新增的 Consistency Analyzer 和 consistency guidelines，用于诊断并减少 AI 智能体在同一任务上重复运行时的结果翻转。

Google Research 与 HHMI Janelia 发布完整雄性果蝇脑和中枢神经系统连接组

Google Research 与 HHMI Janelia 等机构发布完整雄性果蝇脑和中枢神经系统连接组，包含超过 166,000 个神经元和 1.25 亿个突触连接，相关论文发表于 Cell。

Allen AI 发布 BenchMIRT：用多维 IRT 审计 LLM 基准实际测量的能力

Allen AI 发布 BenchMIRT，用多维项目反应理论在单个提示词层面审计 LLM 基准，区分题目分数背后的安全和通用推理等能力信号。方法基于 100 个 LLM、16 个基准和超过 34K 个问题的结果训练，在未标注基准目标的情况下恢复出安全与通用推理两个主导维度。

Google Research 发布 MAPL-EMIT 深度学习框架，用 EMIT 卫星高光谱数据绘制全球甲烷点源排放

Google Research 与 NASA JPL 合作提出 MAPL-EMIT 深度学习框架，用于自动检测、增强预测和定位全球甲烷羽流，相关论文发表于 PNAS。

Open ASR Leaderboard 新增印地语和印度英语评测集 Monsoon

Voice Arena 与 Hugging Face 合作，为 Open ASR Leaderboard 新增 Monsoon en-IN 和 Monsoon hi-IN 两套评测，覆盖印度英语和印地语。