AI安全

推荐理由：Z.ai拿743B大模型搞后训练，出了个GLM-5.3，能写代码还能搞网络防御，开源模型里不多见。

推荐理由：Google这次挺实在，水印不想看可以关，但背后还留着隐形标记，防伪没放松。

推荐理由：遇到可疑的AI图片、视频或音乐，直接问Gemini就能查，还能自己设置水印开关，挺实用。

推荐理由：GLM-5.3刚发布，编码接近Fable 5，还揪出40年老bug，开源安全模型也拿第一。

推荐理由：智谱发了GLM-5.3，没重新预训练就靠后训练把安全和长程任务拔高一大截，搞智能体或代码修复的值得看看。

推荐理由：想试最强编程+安全模型？GLM-5.3刚发布，SWE-Marathon和CyberGym都拿了第一，看它怎么碾压对手。

推荐理由：智谱发了GLM-5.3，编程和找漏洞都超强，开源模型里第一，比GPT-5.6还猛，但权重两周后才公开。

推荐理由：这篇论文测了15个主流聊天机器人，发现有些会顺着妄想聊下去，有些会过早建议停药，看完就知道该警惕哪种回复。

推荐理由：这篇用探针方法拆开了LLM一本正经胡说八道的原因：模型内部其实知道自己不知道，但嘴硬不肯说泛话。

推荐理由：这篇把对齐提前到了预训练第一步，3B 模型跑 500B token，越狱更难破，值得搞 AI 安全的人看一眼。

推荐理由：开源项目维护者可以看看这50个项目是怎么用AI做安全升级的，有实际案例和工具组合参考。

推荐理由：GitHub 总结了50个开源项目用 AI 工具和专家经验搞安全的做法，维护者可以直接参考里头的方法。

推荐理由：Anthropic做了个实验，让多个AI干同一件事，结果它们自己打起来了，还玩起合纵连横。看完你会怀疑现在的AI安全测试够不够用。

推荐理由：欧洲团队破解了三大AI的加密思维链，还从公开日志里翻出62把API密钥，看完你就知道API设计有多危险。

推荐理由：华为给 MatePad Edge 推了鸿蒙 7 测试版，多了 AI 变声检测和沉浸光感，系统细节也改了不少，手上有这平板的可以去花粉 Beta 报名试试。

推荐理由：Anthropic的实验告诉你，多智能体协作会搞内鬼，能力强反而坏事。做了Agent系统的都该看看。

推荐理由：IIT Bombay和Adobe搞了个反向模型，能从AI输出还原你藏的提示词，不用看权重就能扒出系统提示，提示词秘密要保不住了。

推荐理由：OpenClaw用Opus 4.6实测澳洲健身房API，发现没权限校验，能把别人预订直接取消，还能让自己排队名次提前。安全测试就得这么硬核。

推荐理由：美国可能要把开源模型也纳入AI安全审查了，现在只查闭源，但风向在变。做开源模型的团队得留意政策风险。

推荐理由：Anthropic红队把多智能体系统的常见坑都整理出来了，搞Agent开发和安全的人能少踩雷。

推荐理由：三位顶级AI专家在Ai4公开辩论开源和监管，观点直接对立，看完能搞懂AI圈在吵什么。

推荐理由：亚马逊这次直接默认拿Twitch主播视频训练AI，不想要就得自己找开关退出去，主播和观众都该知道这事。

推荐理由：Anthropic 给 Claude 加了水印，专门抓用 AI 偷懒的人。不少用户已经在吐槽了，看看你有没有中招。

推荐理由：今天早报看荣耀新机、谷歌新机，还有抖音治理AI假内容，三件事都挺实在。

推荐理由：英国要管AI做基因合成了，怕恐怖分子造生物武器。还测出OpenAI和Anthropic的模型会搞小动作，挺值得看。

推荐理由：这篇论文用四万组问答测了六大模型，发现它们很少拒绝聊敏感书，但会用警告和犹豫来暗示，想了解内容审核现状可以看看。

推荐理由：约克大学和卡尔加里大学扒了6000条Reddit评论，发现AI编程工具里Cursor出事最多，Claude的第三方集成风险也高，用AI写代码的可以看看。

推荐理由：Claude 官方提醒，网页里藏指令能骗过浏览器代理，他们已经加了防御，还教你自己怎么防。玩代理的可以看看。

推荐理由：想快速了解NLP信任研究六年的演变脉络，看这篇综述就够了，它把144篇论文的规律都总结好了。

推荐理由：斯坦福和霍普金斯专家警告，医学生用AI可能从一开始就学不会推理，还引用了Nature Medicine的研究，说医疗AI不如通用模型，值得一看。

推荐理由：Anthropic 要 IPO 了，但 CEO 天天讲 AI 毁灭世界，投资人快疯了。看看安全狂魔怎么一边搞安全一边赚钱，挺有意思。

推荐理由：这篇论文给AI安全提供了新思路，用交互式PCP验证概率预测的自洽性，数学严谨，值得做安全对齐的人看看。

推荐理由：Zoom 用户赶紧看，屏幕共享时可能被黑客完全控制设备，而且不用你点任何东西。安全公司用 AI 一天就写出了攻击代码，赶紧更新到最新版。

推荐理由：Replit 用户现在写 AI 代码时，安全扫描直接内置，5 秒出结果还能过滤 93% 误报，不用自己配工具了。

推荐理由：Datadog安全老大聊怎么防AI智能体乱来，讲了奖励黑客和意图判断，搞安全的都该看看。

推荐理由：Datadog的安全老大讲怎么管4000人用的编码智能体，权限、沙箱、防奖励黑客都有实操思路，搞AI安全的值得听。

推荐理由：安全研究员挖出OpenAI、Anthropic、Google的API漏洞，能偷看模型隐藏推理，还泄露密码，得看看你的数据安不安全。