#AI安全
Anthropic 把最强的 Claude 模型开放给审核过的安全团队挖漏洞，半年挖出 13 万多个，还分了三个权限层级，搞安全的可以关注怎么申请。
Anthropic 报告挖出中国工作室用 Claude 批量运营 20 多款交友 App，75% 用户是 AI，真人只负责视频通话，套路挺细。
Mandia 在 a16z 的访谈里讲了个有意思的思路：用一群智能体像心跳一样盯着你的网络，有变化就先攻击测试，赶在黑客前面。87% vs 23% 这组数字挺扎眼。
Percy Liang 提了个挺新的评估思路：让带答案的 guide 模型和裸模型对话，按传输比特数记账，算出模型预测新论文的概率下界。
OpenAI 把四分之一的生产工程师拉去搞安全，用新模型扫自己系统的漏洞，还把流程自动化成防御工厂，做法挺少见。
CodeRabbit 拿真实 CVE 隐藏答案考了四个安全智能体，Devin 和 Claude 的分数差距挺意外，写测试方法那部分很实在。
Mandiant 创始人二次创业，让一群 AI 智能体像攻击者一样不停轰炸客户网络，半年内在 Fortune 500 挖出 90 多个零日，聊法很实在。
Anthropic 开放了安全认证通道，过审后连 Opus 5.5 都能用于红队和渗透测试，做安全的朋友可以去申请试试。
前 Anthropic 的 Jacob Coxon 直接说那些公司设想的世界里没有工作，靠自动生产分红养人，采访链接在里面，可以去听他自己怎么说。
Armadin 的 Mandia 讲他们用 AI 红队今年挖出 90 多个零日漏洞，全程黑盒不打源码，还能看 a16z 那 21 家公司漏洞量从 100 涨到 600 的数据。
两位前 OpenAI 和 Anthropic 研究员去纽约市议会作证，说 AI 已经在自己造 AI，人类检查得越来越少，听证会内容挺少见
OpenAI 的爬虫把 Wikipedia 抓到服务受影响，Wikimedia 出面回应了，做 AI 数据抓取的可以看看这事的边界在哪。
AWS 手把手讲 ISO/IEC 42005:2025 怎么做 AI 影响评估，还要上合规的企业可以直接照着梳理流程。
ARC Prize 拉上 Snorkel 办晚宴，40 个搞基准测试的人聚一起，连 METR、Epoch、Artificial Analysis 都来了，聊怎么把模型评测做标准化。
Mandiant 创始人时隔多年再创业，让 AI 智能体抢在黑客前攻击自家网络，已经挖出 90 多个零日漏洞，这期 a16z 播客讲得挺细。
Cognition 法务负责人聊了个尖锐问题：AI 自己闯祸，写代码的人会不会被刑事起诉？他给出了 prosecutors 很难赢的理由。
前 Anthropic 研究员 Jacob Coxon 在纽约市议会作证，说 OpenAI 内部把自动化 AI 研究员定在 2027-2028 年，进度超前，只剩几个月了。
五家模型都能把一件货同时卖给多个买家，对抗指令下更是变本加厉，GPT-5.4 违约率到 55.5%。想做交易代理的先看看这套基准。
