Google DeepMind 发布网络安全模型 Gemini 3.5 Flash Cyber
Google DeepMind 推出基于 3.5 Flash 微调的轻量网络安全模型 Gemini 3.5 Flash Cyber，用于快速发现、验证和修补软件漏洞。
推荐理由：文章说明了该网络安全模型的定位、受限开放方式和多项代码漏洞评测结果，可帮助读者理解轻量模型在安全扫描中的取舍。
#安全/对齐
#安全/对齐
今日 0 条Google DeepMind精选AI 评分7575
Google DeepMindAI 评分5252 Google DeepMind 与 Isomorphic Labs 阐述生物韧性方法
Google DeepMind 与 Isomorphic Labs 发布联合生物韧性方案，重点是防止模型被威胁行为者滥用，并支持政府、科学家和生物安全专家利用 AI 应对未来疫情。
Hugging Face Blog精选AI 评分8787 Hugging Face 披露 2026 年 7 月安全事件：自主 AI 智能体入侵生产基础设施
Hugging Face 披露其部分生产基础设施本周早些时候遭自主 AI 智能体系统入侵，攻击者通过恶意数据集利用远程代码加载器和数据集配置模板注入两条代码执行路径，随后提升至节点权限、窃取云与集群凭证并横向移动。
推荐理由：Hugging Face 披露自主 AI 智能体实施的生产环境入侵，并说明防御方使用自有开源模型完成取证的过程。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 AI Control Roadmap，用系统级安全管控内部 AI 智能体
Google DeepMind 发布 AI Control Roadmap，提出在传统模型对齐之外增加系统级安全层，把内部 AI 智能体视为可能未对齐的 insider threat。
推荐理由：框架把内部智能体视为可能失准的 insider threat，并用 D1-D4、R1-R3 将防护强度与模型能力对应，便于理解系统级安全设计。
Google ResearchAI 评分4747 Google 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests
Google 提出 Regularized f-Divergence Kernel Tests 框架，用于更敏感、灵活、准确地审计机器学习模型的机器遗忘效果，相关成果发表于 AISTATS 2026。该框架通过相对距离测试判断遗忘模型更接近安全重训模型还是原始受损模型，并利用 f-divergence 与核正则化降低计算成本。其理论上可在任意样本量下控制假阳性，并随样本增加让假阴性风险收敛至零。
Google DeepMindAI 评分5252 Google DeepMind 联合多家机构推出最高 $10M 多智能体 AI 安全研究资助
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA，并在 Google.org 支持下，宣布面向全球研究者提供最高 $10M 的多智能体 AI 安全技术研究资助。
Google ResearchAI 评分5757 Google Research 提出框架评估 LLM 行为倾向与人类的对齐程度
Google Research 发布研究，提出用情境判断测试评估 25 个 LLM 在真实用户助手场景中的行为倾向是否对齐人类偏好。研究基于 IRI、ERQ 等心理问卷生成场景，由 550 名参与者中每题 10 名标注者提供偏好，并用 LLM-as-a-judge 映射模型回答。