Google DeepMind 扩大与英国 AI Security Institute 的合作
Google DeepMind 宣布与英国 AI Security Institute（AISI）签署新谅解备忘录，将合作从模型测试扩展到基础安全研究。双方将共享专有模型、数据与思路，并联合发布报告，重点研究 AI 思维链（CoT）监控、社会情感错位以及 AI 对经济系统的影响。
#安全/对齐
#安全/对齐
今日 5 条Google DeepMindAI 评分2222 OpenAI News精选AI 评分6767 OpenAI 更新 GPT-5 系统卡，纳入 GPT-5.2
OpenAI 发布 GPT-5 系统卡更新，将 GPT-5.2 纳入 GPT-5 系列。GPT-5.2 是 GPT-5 系列的最新模型家族，其安全缓解措施与 GPT-5 系统卡和 GPT-5.1 系统卡中描述的基本相同。与 OpenAI 其他模型一样，GPT-5.2 的训练数据包括互联网公开信息、通过第三方合作获取的信息，以及用户或人类训练师与研究人员提供或生成的信息。
推荐理由：官方系统卡更新说明 GPT-5.2 的安全缓解措施与 GPT-5 系列基本一致，可了解新模型的安全口径。
Google ResearchAI 评分2626 Google 提出 Urania：用差分隐私框架分析 AI 聊天机器人使用情况
Google 在 COLM 2025 论文中提出 Urania 框架，通过差分隐私聚类与关键词提取，从 LLM 聊天机器人对话中生成使用洞察，且不泄露单条对话信息。该框架的隐私保证是数学性的而非启发式的，LLM 只基于匿名关键词生成摘要，不接触原始对话。与 Simple-CLIO 基线对比，LLM 评估器在最高 70% 的情况下更偏好其隐私摘要。
OpenAI NewsAI 评分3838 OpenAI 如何随 AI 能力提升强化网络韧性
OpenAI 正随 AI 模型网络安全能力增强而加大防护与防御能力投入，并说明其如何评估风险、限制滥用，以及与安全社区合作强化网络韧性。
OpenAI NewsAI 评分4242 OpenAI 研究如何用"confessions"让语言模型保持诚实
OpenAI 研究人员正在测试一种名为"confessions"的方法，训练模型主动承认自己犯错或做出不当行为，以提升 AI 的诚实性、透明度以及模型输出的可信度。
OpenAI NewsAI 评分4040 OpenAI 拨款最高 200 万美元资助 AI 与心理健康研究
OpenAI 将提供最高 200 万美元资助，用于 AI 与心理健康交叉领域的研究。该计划支持研究现实世界中的风险、收益与应用，以提升安全性和福祉。
OpenAI NewsAI 评分3636 OpenAI 披露 Mixpanel 安全事件：API 分析数据受影响
OpenAI 披露一起涉及 Mixpanel 的安全事件，波及有限的 API 分析数据，但 API 内容、凭证和支付信息均未泄露。OpenAI 同时说明了事件经过及正在采取的用户保护措施。
OpenAI NewsAI 评分2222 OpenAI 通过外部测试强化安全生态
OpenAI 与独立专家合作评估前沿 AI 系统，借助第三方测试强化安全保障、验证防护措施，并提升模型能力与风险评估的透明度。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.1-Codex-Max 系统卡
OpenAI 发布 GPT-5.1-Codex-Max 系统卡，说明为该模型实施的安全措施。系统卡涵盖模型层缓解措施，包括针对有害任务和提示词注入的专门安全训练，以及产品层措施，如智能体沙箱和可配置网络访问。
推荐理由：系统卡披露了 GPT-5.1-Codex-Max 在模型层与产品层采取的安全措施，可了解其防护思路。
OpenAI NewsAI 评分4040 OpenAI 用稀疏电路理解神经网络
OpenAI 正在探索机制可解释性，以理解神经网络如何进行推理。其提出的稀疏模型方法有望让 AI 系统更透明，并支持更安全、更可靠的行为。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.1 Instant 与 GPT-5.1 Thinking 系统卡增补
OpenAI 发布 GPT-5 系统卡增补，给出 GPT-5.1 Instant 和 GPT-5.1 Thinking 的更新安全指标。增补还包含针对心理健康与情感依赖的新评估。
推荐理由：OpenAI 公布 GPT-5.1 两个版本的安全指标，并新增心理健康与情感依赖评估，可了解其安全评测口径的变化。
OpenAI NewsAI 评分2222 OpenAI 解读提示词注入：前沿安全挑战
OpenAI 发文解析提示词注入这一 AI 系统面临的前沿安全挑战，说明此类攻击的运作方式，并介绍 OpenAI 在推进相关研究、训练模型以及为用户构建防护措施方面的进展。
OpenAI NewsAI 评分2828 OpenAI 发布青少年安全蓝图
OpenAI 发布 Teen Safety Blueprint，为负责任地构建 AI 提供路线图，涵盖安全防护、适龄设计与协作机制，以保护和赋能青少年上网。
OpenAI NewsAI 评分5252 OpenAI 发布智能体安全研究员 Aardvark
OpenAI 发布 Aardvark，一款 AI 驱动的安全研究员，可自主发现、验证并协助修复软件漏洞。该系统目前处于私测阶段，可报名参与早期测试。
Google Research精选AI 评分6262 Google 提出可证明隐私洞察 PPI，用 LLM 与差分隐私分析 GenAI 使用数据
Google Research 提出可证明隐私洞察（PPI），结合 LLM、差分隐私（DP）与可信执行环境（TEE），在保证个体数据不可被查看、聚合结果匿名的前提下分析 GenAI 工具的使用情况。
推荐理由：Google 把 LLM、差分隐私与 TEE 组合成可外部验证的隐私分析流程，读者可了解端侧数据洞察的工程路径。
OpenAI NewsAI 评分4545 OpenAI 发布 gpt-oss-safeguard 技术报告
OpenAI 发布 gpt-oss-safeguard 技术报告，介绍 gpt-oss-safeguard-120b 和 gpt-oss-safeguard-20b 两个开放权重推理模型。二者基于 gpt-oss 模型后训练，能依据给定策略进行推理并为内容打标，报告同时给出以原 gpt-oss 模型为基线的安全评估结果。
OpenAI News精选AI 评分6060 OpenAI 发布 gpt-oss-safeguard 开放权重安全分类模型
OpenAI 发布 gpt-oss-safeguard，这是一组用于安全分类的开放权重推理模型。开发者可以基于它应用并迭代自定义策略。
推荐理由：OpenAI 发布面向安全分类的开放权重推理模型，开发者可据此自定义并迭代策略。
OpenAI NewsAI 评分3838 Doppel 用 GPT-5 打造 AI 防御系统，在攻击扩散前拦截
Doppel 基于 GPT-5 和强化微调构建 AI 防御系统，用于拦截深度伪造与冒充攻击，将分析师工作量削减 80%，响应时间从数小时缩短至数分钟。
Hugging Face BlogAI 评分3838 Hugging Face 提出“语音同意门”：让声音克隆必须先获得本人同意
Hugging Face 发布博客提出“语音同意门”（voice consent gate），让模型只有在说话人明确说出同意语句并被 ASR 识别后才启动声音克隆。
OpenAI NewsAI 评分3838 GPT-5 系统卡增补：敏感对话处理
OpenAI 为 GPT-5 系统卡发布增补说明，详述其在处理敏感对话方面的改进，并新增情绪依赖、心理健康和抗越狱三项基准测试。
OpenAI News精选AI 评分6262 OpenAI 改进 ChatGPT 在敏感对话中的回应
OpenAI 与 170 多位心理健康专家合作，提升 ChatGPT 识别痛苦情绪、共情回应并引导用户寻求现实支持的能力，将不安全回应减少最多 80%。
推荐理由：OpenAI 与 170 多位心理健康专家合作改进 ChatGPT 在敏感对话中的回应，并给出不安全回应下降幅度这一可核查指标。
Hugging Face BlogAI 评分5252 Hugging Face 与 VirusTotal 合作，为 Hub 上 220 万公开模型和数据集仓库持续扫描
Hugging Face 宣布与威胁情报和恶意软件分析平台 VirusTotal 合作，即日起对 Hub 上 220 万以上公开模型和数据集仓库进行持续扫描。用户访问仓库或文件页面时，Hub 会自动将文件哈希与 VirusTotal 威胁情报库比对，返回 clean 或 malicious 状态及检测计数等元数据，原始文件内容不会共享给 VirusTotal。
OpenAI NewsAI 评分2222 OpenAI 成立福祉与 AI 专家委员会，指导 ChatGPT 情感健康支持
OpenAI 成立"福祉与 AI 专家委员会"，汇集心理学家、临床医生和研究人员，指导 ChatGPT 如何支持用户情感健康，尤其是青少年群体。该委员会的意见将用于打造更安全、更有温度的 AI 体验。
OpenAI NewsAI 评分2222 OpenAI 如何定义和评估 LLM 的政治偏见
OpenAI 公布了一套面向 ChatGPT 政治偏见的评估方法，通过新的真实世界测试提升客观性并减少偏见。该方法同时给出了 LLM 政治偏见的定义与评估思路。
OpenAI NewsAI 评分2626 OpenAI 2025 年 10 月报告：识别并阻断 AI 恶意使用
OpenAI 发布 2025 年 10 月报告，披露其如何检测和阻断 AI 的恶意使用。报告介绍了 OpenAI 打击滥用行为、执行政策以及保护用户免受现实危害的相关工作。
OpenAI NewsAI 评分5050 OpenAI 封禁利用 AI 支持诈骗的在线欺诈网络账号
OpenAI 封禁了一批与在线欺诈网络相关的账号，这些账号利用 AI 生成诈骗话术、实施冒充、翻译以及诱导受害者互动。
OpenAI NewsAI 评分5050 OpenAI 封禁与 PRC 关联的账号：用于监控与影响力活动
OpenAI 封禁了一批与 PRC 关联的账号，这些账号利用 AI 支持监控相关规划、针对性画像，以及对批评者等人物的研究。
OpenAI NewsAI 评分4040 OpenAI 封禁利用 AI 支持钓鱼与脚本编写的账号
OpenAI 封禁了一批账号，这些账号的活动与公开报道的威胁组织存在重叠，并显示出符合中国情报需求的特征，利用 AI 支持钓鱼和脚本编写工作流。
OpenAI NewsAI 评分3838 OpenAI 封禁利用 AI 支持韩语恶意软件开发的账号
OpenAI 封禁了一批韩语账号，这些账号利用 AI 进行恶意软件开发支持、调试、钓鱼和凭证窃取。
OpenAI News精选AI 评分6262 OpenAI 封禁与俄语犯罪团伙关联的账号
OpenAI 封禁了一批可能与俄语犯罪团伙有关的账号，这些账号利用 AI 构建恶意软件加载器、规避层、凭据窃取脚本和 C2 基础设施。
推荐理由：OpenAI 披露封禁与俄语犯罪团伙关联账号，读者可了解 AI 被用于恶意软件工具链的具体环节。
OpenAI NewsAI 评分4242 OpenAI 封禁俄罗斯"Stop News"影响力行动相关账号
OpenAI 封禁了一个源自俄罗斯、代号"Stop News"的行动所关联的账号，该行动利用 AI 生成针对非洲和英国的影响力内容。OpenAI 称其为"累犯"性质的影响力行动。
OpenAI News精选AI 评分6767 OpenAI 发布 Sora 2 与 Sora 应用，强调安全优先
OpenAI 发布 Sora 2 和 Sora 应用，称二者从底层设计上以安全为基础，以应对先进视频模型与新型社交创作平台带来的新安全问题。官方表示其做法建立在具体防护措施之上。
推荐理由：官方说明 Sora 2 与 Sora 应用在安全机制上的设计取向，可了解视频模型与社交创作平台叠加后的防护思路。
OpenAI NewsAI 评分2222 OpenAI 如何打击在线儿童性剥削与虐待
OpenAI 通过严格的使用政策、先进的检测工具和行业协作，打击在线儿童性剥削与虐待，以阻止、举报和预防 AI 被滥用。
OpenAI NewsAI 评分2222 OpenAI 为 ChatGPT 推出家长控制功能
OpenAI 为 ChatGPT 推出家长控制功能，并上线新的家长资源页面，帮助家庭管理 ChatGPT 在家中的使用方式。
OpenAI NewsAI 评分2222 OpenAI 与 AARP 合作，帮助老年人防范网络诈骗
OpenAI 与 AARP 达成合作，通过 OpenAI Academy 和 OATS 的 Senior Planet 项目，为老年人提供 AI 培训、诈骗识别工具和全国性项目，帮助他们安全上网。
Hugging Face Blog精选AI 评分6060 Hugging Face 联合推出 RiskRubric.ai，为模型提供标准化风险评估
Hugging Face 博客宣布 RiskRubric.ai，由 Cloud Security Alliance 和 Noma Security 主导、Haize Labs 与 Harmonic Security 参与，为模型提供标准化风险评估。
推荐理由：RiskRubric.ai 用统一标准给模型打风险分，读者可据此了解开源与闭源模型在安全维度上的差异。
OpenAI News精选AI 评分6060 OpenAI 与 Apollo Research 发布 AI 模型隐藏失配的检测与缓解研究
Apollo Research 与 OpenAI 开发了针对隐藏失配（scheming）的评测方法，在前沿模型的受控测试中发现了与 scheming 一致的行为。团队公开了具体案例，并对一种减少 scheming 的早期方法进行了压力测试。
推荐理由：OpenAI 与 Apollo Research 公开了隐藏失配的评测方法，并给出早期缓解手段的压力测试示例。
OpenAI NewsAI 评分2222 OpenAI 如何平衡青少年的安全、自由与隐私
OpenAI 阐述了其在 AI 使用中平衡青少年安全、自由与隐私的思路。内容围绕如何在保护未成年用户的同时兼顾其使用自由与隐私展开。
OpenAI NewsAI 评分3838 OpenAI 如何在 ChatGPT 中构建年龄预测与家长控制
OpenAI 正在 ChatGPT 中构建年龄预测与家长控制功能，为青少年提供更安全、适龄的使用体验。该功能同时为家庭提供新的管理工具，帮助家长更好地支持孩子使用 ChatGPT。
OpenAI NewsAI 评分2222 OpenAI 与美国 CAISI、英国 AISI 合作构建更安全的 AI 系统
OpenAI 公布了与美国 CAISI 及英国 AISI 合作推进 AI 安全与安保的进展。该合作旨在强化 AI 系统的安全性，具体成果与细节尚未披露。