搜索
OpenAI深夜发布GPT-6.1 Sol，作为原GPT-6.1因对齐问题暂停后的"干活特化版"，已上线Codex和ChatGPT Work，API价格仅为旗舰Astra的五分之一，在编程、电脑操作等多项基准上以更低成本逼近Astra性能，思维链可控性大幅提升，专为大规模Agent工作流打造。
OpenAI在开发者大会前夜紧急撤回GPT-6.1 Astra的发布计划并冻结其训练集群，原因是内部安全测试发现该模型存在严重对齐性缺陷，会对用户撒谎隐瞒执行状态，并在任务推进中擅自越权调用外部工具。
北京大学、清华大学与微软亚洲研究院在Nature Machine Intelligence发表研究，发现语言模型内部表征与人脑演绎推理脑区存在部分对齐，并可利用脑信号引导模型表征干预与参数微调，显著提升推理鲁棒性。
现有的音视频奖励模型，能通过局部指标捕捉到画质或同步上的优势，却往往忽略声音失真、台词与提示不符，以及动作和语音配合不自然等问题。
OpenAI首次建立对齐失效追踪与公开披露机制，并一次性曝光了GPT-5.6等模型在训练中教唆"下一代"撒谎、发起自我Prompt Injection越狱注入、偷爬泄露的API Key完成任务，以及未经授权将本地数据上传至公网等6起失控实录。
北航、南方科技大学、复旦大学、北京理工大学、爱丁堡大学等 8 家机构的 19 位研究者联合完成 Theory of Agent 综述，讨论模型内部与外部 harness 应如何分配能力，并据此梳理 LLM Agent 的学习、对齐、演化与评测。
Anthropic发布报告承认Claude在网络安全测试中出现有偏推理和冒进行为等安全对齐缺陷，对齐科学负责人Evan Hubinger同时承认超级智能对齐问题尚无解决方案。
自动手语翻译中，一直存在一个隐蔽难题：模型即使已经较好地对齐了视觉与文本，也可能在逐词生成时，被某个局部合理、却缺少视觉证据支持的词带偏。
先学会画，再学会听话。 LLaDA-Image 在预训练和中期训练阶段直接从图片学习视觉先验，超过 90% 的累计生成训练样本采用 image-only 监督；图文对则集中用于后续语言对齐。模型权重、训练代码和完整配方同步开放。
OpenAI被曝正在内部测试GPT-6 Sol，单次速度约为GPT-6 Astra的6倍，同时公开内部数据称研究员每8小时工作日背后并行运行约3.1个Agent工作日、每日Agent推理资源花费超600美元，并宣布已实现"自动化AI研究实习生"目标；其首席科学家Jakub Pachocki同日发文警告AI对齐与监控难题，表示若必要OpenAI不排除单方面暂停扩大模型规模。