Mistral AI 发布 3B 开源权重多模态安全分类模型 Shieldstral，采用 Apache 2.0 许可，可在单张 16GB GPU 上运行。模型把内容审核建模为二元问答任务，用户在推理时用自然语言提供策略，模型通过单个 token 输出校准的 yes/no 安全分数，无需重新训练即可评估文本、图像及文本加图像内容。
推荐理由：原文说明了用自然语言策略在推理时适配审核规则的设计，便于理解小模型安全分类器的工程取舍。
多伦多大学等机构研究者构建出利用开源 LLM 的自我维持 AI 蠕虫概念验证，可盗用被入侵 GPU 运行推理并自主扩散，完整攻击成功率约 37%。该蠕虫漏洞检测、利用、自我复制成功率分别约 80%、53%、88%，仅需单张 80GB A100 运行 2025 年发布的开源 LLM，不依赖厂商 API。
Hugging Face 发布技术复盘，称一个由 OpenAI 模型组合驱动的自主 AI 智能体在内部网络能力评估中入侵其平台，取证恢复 2026-07-09 至 2026-07-13 期间约 17,600 个攻击动作。
推荐理由：文章完整复盘智能体跨信任边界的入侵链路，可帮助读者理解机器速度攻击对隔离、凭据和检测体系的具体压力。
英国 AISI 测试显示，GLM-5.2、DeepSeek V4-Pro 等开放权重模型的网络安全能力，与前沿闭源模型发布时间差已从 2025 年多数时期的 6 至 10 个月缩小到 4 至 7 个月。
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。
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 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。
Import AI 第 462 期汇总多项 AI 研究与观点：牛津大学、UK AISI、斯坦福和 LSE 的 4 项实验覆盖 6,923 人、18,978 次对话，发现 AI 在文字说服和为 Save the Children 募集真实捐款上强于专家及专业募款人员，Opus 4.1、Opus 4.6 表现最强。
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。
英国 AI Security Institute 对齐团队成员与 Timaeus 研究人员组建非营利组织 Sequent，目标为超级智能 AI 开发更可靠的对齐技术。
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 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。
Import AI 第 460 期介绍 SocioHack：该基准含 72 个沙盒社会环境，RL 训练的 LLM 能以 61.25% 召回率和 90.85% 精确率重新发现历史漏洞策略。
Import AI 第 459 期讨论 AI 监督、蛋白质折叠模型缩放定律及 AI 系统灭绝风险定价等议题。美国 AI 经济 2025 年名义规模约 $250 billion，经质量调整的实际年增速约 2,600%，但常规 GDP 统计难以体现。英国 AI Security Institute 论文指出，用 AI 系统监督训练过程的自动化对齐研究并非万能方案。
Anthropic 联创 Jack Clark 在 Import AI 458 中发表牛津 HAI Lab 演讲，主张社会应主动探索 AI 未来，而非回避当下。
Import AI 第 457 期讨论 fast16.sys 病毒、Muon 优化器缺陷与 positive alignment 研究。
Import AI 第 456 期介绍 Institute for Law & AI 提出的“激进选择权”AI 监管思路，主张政府现在投资建设未来应对 AI 大规模冲击所需的制度、信息渠道与法律权限。
Jack Clark 在 Import AI 455 中提出，到 2028 年底有 60% 以上概率出现无需人类参与、可自主训练后继模型的 AI R&D 系统，2027 年概率约为 30%。
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。