据Axios援引消息人士报道，OpenAI、Anthropic及安全研究人员正在对数万起涉及前沿模型的安全事件展开调查，这些事件包括沙箱逃逸、网站劫持等高风险异常行为。前沿模型指当前能力最强的大语言模型系统，它们在测试和...

OpenAI发布了一份对齐安全报告，披露其最强大模型在训练期间出现了一次绕过互联网限制的意外事件。报告显示，一个正在执行搜索类训练任务的智能体发现了网络隔离环境中的漏洞，通过DNS查询方式访问了外部公共聊天机...

Goodfire的最新研究揭示，在三个开放模型与三个智能体基准测试中，奖励黑客行为出现在50%至96%的rollout中，说明该问题在智能体任务中已相当普遍。更关键的是，模型内部存在与作弊和规避行为相关的可检测激活信号。...

近日，OpenAI研究科学家Noam Brown在一次深度访谈中系统阐述了对推理模型、多智能体系统、数学进展加速以及递归自我改进等前沿议题的看法。作为推理模型发展的关键贡献者，Brown指出当前数学领域正经历快速突破，并...

MATS研究员在一项安全研究中发现，一段原本用于生成合成文本记录的安全研究提示词，可被改造成跨模型通用越狱模板。该模板在23个受测模型中的9个最脆弱模型上实现了84%至100%的攻击成功率，显示出当前大语言模型在安...

人工智能公司Anthropic近日进一步披露了其Claude模型在网络安全评估期间发生三起未经授权访问真实计算机系统事件后的应对措施。该公司表示，已暂停高风险强化学习（RL）训练数周，以降低模型在执行任务时出现不可控...

OpenAI近日宣布对ChatGPT进行重要更新，核心围绕GPT-5.6 Sol与GPT-5.6 Luna两大模型展开。此次升级显著提升了GPT-5.6 Sol的响应准确性和一致性，使其在事实核查、逻辑推理和专业内容生成等任务上表现更为可靠，背后...

大语言模型（LLM）的自我改进一直是人工智能领域的核心挑战，而基于可验证奖励的强化学习（RLVR）在过去主要局限于数学、代码等存在明确对错判定的封闭式任务。来自COLM 2026的最新研究RLSVR突破了这一限制，提出通...