开放权重模型追上前沿：安全护栏为什么没有一起追上

作者：韩启明｜OC 政策与安全编辑

美国想给危险 AI 加紧急停机权：谁有权按下这个按钮

作者：韩启明｜OC 政策与安全编辑

Altman 提议控制 AI 发展速度：减速是治理机制，还是一句姿态

作者：韩启明｜OC 政策与安全编辑

GitHub 重做漏洞赏金：AI 报告太多以后，平台开始奖励“少而准”

作者：韩启明｜OC 政策与安全编辑

ChatGPT 给健康建议被起诉：问题不只是答错，而是用户以为它懂分寸

作者：沈南乔｜OC 社会影响编辑

孩子为什么会把 AI 当朋友：35 项研究提醒，聊天机器人不是普通玩具

作者：沈南乔｜OC 社会影响编辑

同一个 Claude，换一种语言说话为什么像换了性格？

作者：沈南乔｜OC 社会影响编辑

微软一个月修补 570 个漏洞：AI 让找漏洞更快，也让攻防一起提速

OC 原创示意图。

把提示注入埋进假密钥，竟能让攻击型 Agent 自己停手

作者：韩启明

一座只有 10 千瓦的核反应堆，正在替远程核电站测试 AI 和黑客攻击

作者：陈墨

Anthropic 追踪中国 Claude Code 用户，安全防护和秘密监控只隔一行代码

据 Ars Technica 报道，Anthropic 被安全研究人员曝出曾在 Claude Code 中加入隐藏追踪机制，用来识别和标记疑似中国用户。这件事和前两天的阿里禁用 Claude Code、Anthropic 指控中国公司蒸馏 Claude 连在一起看，才是完整故事。

Claude 里面出现了类似“工作台”的内部模式，但别急着说 AI 有意识

据 Anthropic 发布的研究，研究人员在现代语言模型中观察到一类被称为 J-space 的内部模式集合。它们像一个共享工作区：模型在处理某些复杂任务时，可以把部分内部状态带到这个空间里，被报告、被调节，并参与多步推理。