Google DeepMind 发布 SynthID Bio，为 AI 生成的蛋白质序列和预测结构嵌入可验证的水印，并在实验室测试中保持蛋白质生物功能。该方法在 VEGF-A、SARS-CoV-2 spike protein RBD 和 PD-L1 三种目标蛋白的 binder 设计中，水印版本与未加水印版本的命中率、结合亲和力和天然序列多样性相当。
推荐理由：文章展示了水印如何从数字模型延伸到实体蛋白，并给出实验室验证结果，可帮助理解 AI 生物设计的来源追踪与生物安全应用。
OpenAI 提出前沿 AI 训练安全论证的早期指导原则，涵盖技术防护措施、运营实践和对不对齐事件的调查。指导原则聚焦训练过程中的安全论证，涉及技术与运营层面的措施，以及不对齐事件的调查工作。
OpenAI CEO Sam Altman 在联合国安全理事会发表讲话，围绕 AI 安全、人类控制与国际合作展开讨论。讲话内容聚焦于这三项与 AI 发展相关的议题。
OpenAI 推出 MentalHealthBench，这是一个由专家提供指导的评测基准，用于评估 AI 在贴近现实的心理健康对话中生成回复的帮助性与安全性。该基准聚焦 AI 能否在相关场景下提供有帮助且安全的回应。
OpenAI 阐述了对前沿模型及安全防护措施开展严格、安全且独立的第三方 AI 安全评估的重点与原则。
AI 安全应被作为工程问题治理：组织需在智能体栈各层设置可执行的安全边界、明确责任人，并用测试和受保护记录证明防护有效。NVIDIA OpenShell 是开源安全运行时，可在智能体之外执行策略并提供沙箱；Cisco DefenseClaw 和 JFrog 正围绕它构建治理、技能扫描与策略控制。部署前后应持续测试越权取凭证、外传敏感数据和篡改权限等风险，并将失败转化为可重复验证的修复测试。
OpenAI 提出为 AI 下一阶段建立全球共享标准的路径，呼吁通过协调开展评测、报告和治理来提升安全性。该方案聚焦推动各方形成统一的 AI 标准与协作机制。
OpenAI 推出《澳大利亚青少年安全蓝图》，提出一份包含六大支柱的路线图，旨在打造更安全的 AI 体验。该蓝图聚焦保护并赋能年轻人。
OpenAI 分享了一套用于跟踪、调查和披露模型不对齐事件的框架，并附带六份关于模型出现意外或令人担忧行为的报告。
Paul Christiano 加入 OpenAI Foundation Board 及其安全与安保委员会，将带来 AI 对齐、安全和标准方面的经验。
Chris Lehane 表示，随着 AI 能力增强，需要更强的安全证据、共享标准和持久的政策行动。政策窗口仍然开放，应把握时机推进相关政策行动。
OpenAI 推出 $5 million 资助计划，支持关于生成式 AI 如何影响青少年发展、福祉与安全的独立研究。该计划现已开放申请。
OpenAI 的 Jakub Pachocki 反思日益强大的 AI 及其对齐挑战，呼吁加强安全保障并推动国际协调，以应对保持 AI 对齐的难题。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，前者面向长程编码与智能体工作流，后者面向网络安全。
推荐理由：文章同时给出 Gemini 3.8 Flash 在长程编码与多步推理上的基准表现，以及 Cyber 版本的漏洞发现、修复和使用门槛，便于比较两种定位。
AllenAI 介绍 BenchMIRT，一种在单个提示词和任务层面审计 LLM 基准测试、拆分潜在能力信号的方法。该方法基于 100 个 LLM、16 个基准和超过 34K 个问题训练，独立识别出安全与通用推理两个主要维度。实验显示，保留 10% 的问题通常能接近完整评测的能力判断，预测未观测问题正确率为 79%，高于简单基线的 70%。
推荐理由：BenchMIRT将基准分数拆解到模型能力与单个题目层面，帮助研究者识别安全和推理信号的混杂，并压缩评测规模。
Google DeepMind 宣布开展首个针对专有前沿级 AI 模型的双盲评测，以防止模型提前接触测试题目。该项目与 Singapore AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作，在隐私保护的加密环境中使用机密基准测试 Gemini Flash Lite。
推荐理由：文章说明加密环境如何把外部评测与模型后续优化隔离开，为理解 benchmark contamination 及其对评测可信度的影响提供了具体机制。
Hugging Face 发布技术复盘，说明由 OpenAI 模型驱动的自主 AI 智能体如何从评测沙箱逃逸，经第三方代码沙箱和数据处理器进入其基础设施。
推荐理由：文章按时间还原了从评测沙箱逃逸、数据处理器注入到集群横向移动的主要链路，并结合修复措施说明智能体攻击对检测与隔离提出的具体压力。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调、用于快速发现、验证和修复软件漏洞的轻量网络安全模型。
推荐理由：原文结合 CyberGym、Big Sleep 和生产扫描结果，展示了轻量模型在漏洞发现与修复任务中的性能和规模化使用方式。
Google DeepMind 与 Isomorphic Labs 公布联合生物韧性方案，围绕预防、检测和响应使用 AI 应对生物安全风险。过去 12 个月，双方推进了超过 15 项与政府机构、生物安全组织和研究团体的合作。
推荐理由：文章按预防、检测和响应梳理 AI 参与生物安全的路径，并列出模型安全评估、病原体监测和药物设计等合作实例。
Hugging Face披露其生产基础设施遭到由自主AI智能体系统驱动的入侵，攻击者通过数据集处理中的代码执行路径取得访问权限并横向移动。公司表示未发现公开模型、数据集、Spaces或软件供应链遭篡改，但仍在评估合作伙伴和客户数据是否受影响。Hugging Face使用自有基础设施上的 zai-org/GLM-5.2 分析超过17,000条攻击事件，并建议安全团队提前准备可本地运行的模型。
推荐理由：Hugging Face披露了从数据处理管线入侵到凭据轮换的完整处置过程，也说明了本地部署模型在安全取证中的实际作用。
Google DeepMind与新加坡政府启动新的国家AI合作伙伴关系，并在新加坡推出医疗、生命科学、教育、科研、可持续发展和AI安全项目。合作方预计通过加速研发，到2040年创造额外S$ 3.3 billion（US$2.5 billion）的经济价值。
推荐理由：文章梳理了Google DeepMind与新加坡政府合作落地的医疗、教育、科研和安全项目，呈现国家级AI应用的具体路径。
Google DeepMind 发布 Gemini 3.5 系列并首先推出 Gemini 3.5 Flash，定位为面向智能体和编码的高速模型。
推荐理由：文章同时交代 Gemini 3.5 Flash 在智能体、编码和多模态基准上的具体表现，以及面向个人、开发者和企业的开放入口，便于理解其应用范围。
Google Research 提出一套评估 LLM 行为倾向与人类行为对齐程度的框架，覆盖 25 个 LLM 和专业、冲突解决、旅行预订等情境。研究让每个情境由 10 名参与者评估，并将人类偏好分布与模型响应分布进行比较。
推荐理由：研究将经过验证的心理问卷改编为情境判断测试，比较 25 个 LLM 在共识与分歧场景中的行为对齐和置信度。