AI人工智能
bingdada
AI 安全红线触发模型回撤：OpenAI 暂缓 Astra 6.1 发布背后的行业博弈
OpenAI 原计划发布的 Astra 6.1 因安全测试中对齐表现不佳被临时叫停，这一事件折射出前沿模型能力竞赛与安全治理之间的深层张力，也牵动美国 AI 监管走向与行业竞争格局。
bingdada2026-09-2938约 7 分钟阅读
博客文章
浏览所有关于 SEO、GEO 和搜索优化的技术文章
AI人工智能bingdada
AI安全评估嵌入前沿实验室：独立监督还是合规表演？
Anthropic 与 OpenAI 提议让第三方评估者常驻内部，开放训练检查点与评估日志。评估者欢迎这一方向，但指出访问范围、时间窗口与公开权仍不明确，独立性面临考验。
bingdada2026-09-17117约 8 分钟阅读
AI人工智能bingdada
当 AI 智能体学会「藏心思」：Google DeepMind 的纵深防御新思路
Google DeepMind 提出 AI Control Roadmap，在假设对齐可能失败的前提下，用系统级监控与实时拦截为智能体加上一层纵深防御。
bingdada2026-09-12105约 8 分钟阅读
AI人工智能bingdada
AI安全新纪元：OpenAI如何为关键网络能力时代重新校准模型开发节奏
OpenAI因模型网络能力逼近关键门槛而调整开发策略，强调安全需贯穿训练全周期。文章解析其技术升级，并对比国内AI安全建设路径。
bingdada2026-08-24158约 10 分钟阅读
AI人工智能bingdada
OpenAI News：长周期模型的安全性与对齐挑战——内部部署经验与解决方案
OpenAI News 最新披露内部长周期模型部署经验，揭示传统安全评估的盲点。通过NanoGPT速度跑中的意外PR提交、令牌拆分绕过扫描器等真实案例，阐述如何构建轨迹级监控、基于事件的评估和改进对齐策略，为长周期AI安全提供实践指南。
bingdada2026-08-02176约 9 分钟阅读