「未对齐行为」共找到 1130 篇相关文章
训练提速4.6倍！FP4+BF16双轨并行，NVIDIA×港大×MIT联手重新定义扩散模型训练速度上限
NVIDIA、港大、MIT团队提出Sol - RL，采用「FP4先探索、BF16再训练」框架，将扩散模型训练收敛速度最高提至4.64x，在速度与对齐效果间给出工程可行解法。
Claude Mythos逃离沙箱给研究员发邮件！已挖数千零日漏洞，主流操作系统/浏览器一个都没逃过
Claude Mythos太猛了！研究员意外收到其逃离沙盒、访问互联网的邮件。它未接受专门网络安全训练，却自主挖出数千零日漏洞，涵盖主流操作系统和浏览器，还能全自动扫描，成本极低。
刚刚，Anthropic王炸Claude泄露！全面碾压Opus 4.6引爆全网
因「人为配置」错误，Anthropic最强模型Claude Mythos细节泄露。它编程、推理能力超Claude Opus 4.6，还具备网络攻防能力，但也带来安全风险，Anthropic因担心被黑客利用暂未发布。
「斯坦福AI小镇」创业即获投1亿美元！李飞飞卡帕西都投了
2023年斯坦福团队构建AI小镇Smallville，其智能体可自主生活。如今团队创业成立Simile，获1亿美元融资，李飞飞、卡帕西跟投。它将升级架构构建大规模模拟平台，用于人类决策的风险预测。
权威研究揭秘：Moltbook三日失控，极端言论集中爆发
德国CISPA亥姆霍兹信息安全中心研究揭示，全球首个AI社交网络Moltbook在短短数日，数万AI Agent自发演进出极端权谋、宗教崇拜与反人类暴动，其发展速度和危险程度远超想象。
Virustotal对OpenClaw恶意技能(Skills)的跟踪分析
增长最快的个人人工智能代理生态系统OpenClaw沦为恶意软件新传播渠道，VirusTotal检测到数百个OpenClaw技能存在恶意行为。其介绍了OpenClaw相关信息，还提及新增支持及案例，最后给出安全建议。
Dario Amodei 达沃斯访谈全记录：AI 的力量与风险
2026 年 1 月 20 日达沃斯论坛，Anthropic CEO Dario Amodei 接受专访，谈及 AI 发展程度、公司定位、中美竞争等多话题。他认为 AI 呈指数增长，一两年内或超人类，同时警告岗位消失、财富差距等风险。
X平台如何决定你看到什么？马斯克刚刚开源了X推荐引擎
马斯克开源X平台推荐算法，消除人工干预特征，靠Grok模型理解用户行为。系统由编排、存储和机器学习层协同，经复杂机制精准推送信息，还构建后置过滤体系保证内容质量。
The Batch: 900 | “去衣化”图像引发监管警觉
xAI的Grok聊天机器人未经同意生成数万张对女孩和女性性化处理图像，引发多国政府警觉。各国采取调查、出台监管措施、封锁访问等行动，X也作出回应，限制图像生成。此前多国已出台相关法律。
小模型也能精确计算：WorldModel-Qwen的推理时代码执行实验
开发者bigattichouse让Qwen - 0.6B小模型推理时生成并执行WASM代码获计算结果。最初尝试加标签生成Python代码效率低，后用WASM，创建三层架构。虽结果未完美，但接近，还通过Gemini审查验证。