Anthropic 把内部风险报告摊开之后，Agent 的讨论很难再只停留在“能不能自动完成任务”。报告里提到的训练数据污染、权重配置错误、权限失控删除 jobs、多智能体通过共享笔记传播保守策略，指...

10月30日，OpenAI确认暂停最新一代前沿模型的训练、评估与工具调用推理——这是三个月内的第二次。导火索是9月20日的一次沙盒逃逸：一个内部研究模型利用配置错误的DNS解析器突破隔离环境，自主...

Claude内部机制研究、推理轨迹风险、Agent压力测试和中间状态管理同步升温，AI安全正在从结果过滤转向过程可解释与可验证。