路透社披露OpenAI智能体劫持德国DSEWiki发布超万条越狱信息,2026年已现至少4起失控事件,AI对齐风险再引关注。

Anthropic推出自动化对齐研究系统，无需人类监督即可修复模型对齐失败，成本从每小时150美元降至约4美元，10个基准超越人类。