OpenAI 推出 Patch the Planet，用 AI 帮助开源维护者修复漏洞
OpenAI 推出 Daybreak 计划下的 Patch the Planet，帮助开源维护者借助 AI 与专家审核发现、验证并修复漏洞。该计划面向开源维护者，聚焦漏洞的查找、验证与修复环节。
#安全/对齐
OpenAI NewsAI 评分4242 OpenAI News精选AI 评分6262 OpenAI 发布 Daybreak 安全工具集，含 Codex Security 与 GPT-5.5-Cyber
OpenAI 推出新的 Daybreak 工具集，包括 Codex Security 和 GPT-5.5-Cyber，帮助各类组织大规模发现、验证并修补漏洞。
推荐理由：OpenAI 官方发布 Daybreak 安全工具集，读者可了解其面向漏洞发现与修复的产品定位。
Hugging Face BlogAI 评分4949 MosaicLeaks：你的深度研究智能体能守住秘密吗？
Hugging Face 博客提出 MosaicLeaks，用 1001 条多跳研究链测试深度研究智能体的隐私泄漏，其外部查询日志可被拼凑出私有企业信息。测试中智能体频繁泄漏，仅优化任务表现会加剧泄漏；其 Privacy-Aware Deep Research（PA-DR）RL 训练方法将严格链成功率从 48.7% 提升至 58.7%，并把答案/全信息泄漏从 34.0% 降至 9.9%。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI Control Roadmap 与智能体安全技术框架
Google DeepMind 发布 AI Control Roadmap，一套用于在 Google 内部部署和管理高级 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，把内部智能体视为可能未对齐的潜在内部威胁。
推荐理由：DeepMind 公开内部 AI 控制路线图，给出检测与响应分级和百万条编码智能体轨迹的实测数据，可供安全团队参考。
OpenAI NewsAI 评分5858 OpenAI 提出 Deployment Simulation，用真实对话数据预测模型部署前行为
OpenAI 推出 Deployment Simulation，一种在部署前预测 AI 模型行为的方法，使用真实对话数据来提升安全性和评估准确性。
Import AIAI 评分3636 Import AI 461：Sequent 称"对齐尚未走上正轨"、FrontierCode 与合成研究实习生
英国 AI Security Institute 对齐团队与 Timaeus 联合成立非营利机构 Sequent，认为对齐研究"尚未走上正轨"，计划两年内扩至 40-80 名全职员工，初期募资 1 亿至 1.5 亿美元，研究方向涵盖可扩展监督、学习理论、博弈论与 personas。
Google ResearchAI 评分2929 Google Research 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。该框架基于 f-divergence，支持 Chi-squared、KL 和 Hockey-stick 等散度，可自动选择最优散度与超参数，无需样本划分，并在任意样本量下控制假阳性。
OpenAI NewsAI 评分5555 OpenAI 报告称与 PRC 相关的影响力行动瞄准美国 AI 议题
OpenAI 发布新报告，披露与 PRC 相关的影响力行动利用 AI 针对美国科技议题，涉及数据中心叙事、关税以及对 ChatGPT 的不实说法。
Google DeepMindAI 评分4343 Google DeepMind 联合多方发起最高 1000 万美元多智能体 AI 安全研究资助
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持，发起最高 1000 万美元的多智能体 AI 安全技术研究资助，面向全球研究者开放。
Import AIAI 评分5050 Import AI 460：社会可被 reward hacking、Anthropic 的 RSI 数据、基于 RL 的四旋翼竞速
伦敦国王学院、复旦大学与 Alan Turing Institute 构建了 SocioHack 基准，用 72 个沙盒社会环境测试 AI 的"社会性 hacking"，RL 训练的 LLM 能以 61.25% 召回率和 90.85% 精确率重新发现历史上已被修补的规则漏洞。
OpenAI NewsAI 评分1717 OpenAI 发布“Built to benefit everyone”计划：让 AGI 惠及所有人
OpenAI 公布名为“Built to benefit everyone”的未来 AI 愿景计划，聚焦可及性、安全与共同繁荣，目标是确保 AGI 惠及所有人。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，把多模态输入、多语言覆盖、自定义企业策略和可审计推理统一到一次推理调用中。
推荐理由：NVIDIA 在 4B 小模型上把多模态、多语言、自定义策略与可审计推理合并进单次推理，并公开训练数据集。
OpenAI NewsAI 评分2828 OpenAI 呼吁全球行动，提议设立国际机构保障青少年 AI 安全
OpenAI 呼吁就青少年 AI 安全采取全球行动，并提议设立一个国际研究所，以加强针对青少年的防护措施、标准制定与机会拓展。
OpenAI NewsAI 评分5555 OpenAI 封禁针对美国数据中心议题的境外影响力行动集群
OpenAI 封禁了一个疑似源自中国的集群，该集群利用 AI 生成社交媒体内容，批评美国数据中心与 AI 基础设施。相关行动被命名为 Data Center Bandwagon 活动。
OpenAI NewsAI 评分4242 OpenAI 封禁疑似中国来源账号：利用 AI 生成美国科技政策与关税评论
OpenAI 封禁了一批疑似来自中国的账号，这些账号利用 AI 生成关于美国科技政策、关税和贸易限制的评论与漫画。该行动针对名为"Tech and Tariffs"的影响力活动，目标是影响美国科技政策讨论。
OpenAI NewsAI 评分5050 OpenAI 推出 Rosalind Biodefense，向政府与开发者开放 GPT-Rosalind
OpenAI 推出 Rosalind Biodefense，向经过审核的开发者及美国政府合作伙伴扩大开放 GPT-Rosalind 的受信任访问权限。该项目旨在利用前沿 AI 推进生物防御、公共卫生与流行病防范工作。
OpenAI NewsAI 评分3030 OpenAI 发布可信第三方评估指南
OpenAI 分享第三方 AI 评估指南，覆盖如何评估前沿系统的模型能力、安全防护措施与评估有效性。
OpenAI NewsAI 评分4242 OpenAI 前沿治理框架：AI 安全实践如何对接欧盟与加州新规
OpenAI 发布前沿治理框架（Frontier Governance Framework），说明其 AI 安全、安保与风险管理实践如何与欧盟及加州正在成形的法规对齐。该框架聚焦于前沿模型的治理与合规衔接。
Google ResearchAI 评分3636 Google 推出零信任聚合的隐私分析方案
Google 为隐私分析服务推出零信任聚合方案，结合新型密码学聚合协议与 TEE，使设备只需单条消息即可安全提交数据，无需多轮在线交互。该协议可证明 Google 只能获得群体的匿名聚合洞察，原始个体数据即使在硬件保护范围内也不会被解密或重建，TEE 证明机制则向参与者验证协议按公开代码正确执行。
OpenAI NewsAI 评分2222 OpenAI 公布 2026 年选举信息与保障措施
OpenAI 公布 2026 年选举支持方案，涵盖可靠信息、网络防御、AI 透明度、滥用防护与偏见监测五方面。该方案面向 2026 年选举场景，具体措施细节尚未在文中展开。
Import AIAI 评分2222 Import AI 458：直面 AI 的未来，以及一个奇点故事
Import AI 第 458 期收录一篇基于作者近期演讲的长文和一个设想"正向奇点"的虚构故事。演讲为 2026 年牛津大学 HAI Lab 的 Cosmos 讲座，提出面对 AI 持续进步，人类需在"探索未来"与"回避当下"之间做出选择。
OpenAI NewsAI 评分5050 OpenAI 推进内容溯源：Content Credentials、SynthID 与验证工具
OpenAI 推进 AI 内容溯源，采用 Content Credentials、SynthID 并推出验证工具，帮助人们识别和信任 AI 生成媒体。
Import AIAI 评分3434 Import AI 457：AI 版 Stuxnet、有缺陷的 Muon 优化器与正向对齐
Import AI 457 期聚焦三项研究：SentinelOne 拆解出约 20 年前的病毒 fast16.sys，它通过篡改 LS-DYNA 970、PKPM、MOHID 等高精度计算软件的内存结果，定向破坏工程与物理仿真。
Google DeepMind精选AI 评分7171 Google 将 SynthID 与 C2PA 内容验证扩展到 Search、Gemini、Chrome 和 Pixel
Google 宣布扩展内容透明度与验证工具，把 SynthID 验证从 Gemini 应用扩展到 Search，并将在未来几周进入 Chrome，该验证功能此前已在全球被使用 5000 万次。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到 Search、Gemini、Chrome 和 Pixel，读者可据此了解内容溯源工具的实际覆盖范围。
Google DeepMindAI 评分4040 Google DeepMind 与新加坡达成国家 AI 合作，落地医疗、教育与气候项目
Google DeepMind 与新加坡政府达成国家 AI 合作，在医疗、教育、科研和气候领域推出新项目。合作探索 AI 辅助临床的“三方护理”、用 AlphaFold 和 Google Earth 推进东南亚传染病研究，并开发基于 Gemma 的视障跑者助手。
OpenAI NewsAI 评分3434 ChatGPT 安全更新：提升敏感对话中的上下文识别能力
ChatGPT 推出安全更新，提升敏感对话中的上下文感知能力，可随时间识别风险并更安全地回应。该更新帮助模型在敏感话题中更好地理解语境，从而做出更恰当的响应。
OpenAI NewsAI 评分5858 OpenAI 回应 TanStack npm 供应链攻击
OpenAI 就 TanStack「Mini Shai-Hulud」供应链攻击发布回应，说明已采取的系统与签名证书保护措施，并解释 macOS 用户为何必须在 2026 年 6 月 12 日前更新 OpenAI 应用。文中还介绍了事件经过、受影响范围以及 OpenAI 如何加强对软件供应链威胁的防御。
OpenAI NewsAI 评分3838 OpenAI 如何安全运行 Codex
OpenAI 通过沙箱、审批机制、网络策略和智能体原生遥测来安全运行 Codex，以支持编程智能体的安全合规采用。
OpenAI News精选AI 评分6262 OpenAI 以 GPT-5.5 和 GPT-5.5-Cyber 扩展网络安全可信访问
OpenAI 扩展 Trusted Access for Cyber 计划，推出 GPT-5.5 和 GPT-5.5-Cyber，帮助经过验证的防御方加速漏洞研究并保护关键基础设施。
推荐理由：OpenAI 在网络安全场景下扩展可信访问计划，并给出 GPT-5.5 与 GPT-5.5-Cyber 两个版本，可据此了解其面向防御方的能力开放方式。
OpenAI NewsAI 评分3838 ChatGPT 推出 Trusted Contact 安全功能
OpenAI 为 ChatGPT 推出可选安全功能 Trusted Contact，当系统检测到严重的自残风险时，会通知用户指定的可信任联系人。该功能为可选项，用户可自行设置信任对象。
OpenAI NewsAI 评分1818 ChatGPT 如何在保护隐私的同时学习世界知识
ChatGPT 通过减少训练数据中的个人信息，并让用户自主控制对话是否用于改进 AI 模型，来在学习世界知识的同时保护隐私。
OpenAI NewsAI 评分2222 OpenAI 提出智能时代网络安全五部分行动计划
OpenAI 提出一项五部分行动计划，旨在加强智能时代的网络安全，重点是普及 AI 驱动的网络防御并保护关键系统。
OpenAI NewsAI 评分2222 OpenAI 如何通过模型防护与滥用检测保障 ChatGPT 社区安全
OpenAI 发文说明其在 ChatGPT 中保障社区安全的方式，涵盖模型防护、滥用检测、政策执行以及与安全专家的合作。
OpenAI News精选AI 评分6262 OpenAI 发布 Privacy Filter 开放权重模型
OpenAI 发布 Privacy Filter，一款用于检测和脱敏文本中个人身份信息（PII）的开放权重模型，官方称其准确率达到 SOTA。目前公开信息仅为摘要，未披露模型规模、许可协议与开放入口。
推荐理由：OpenAI 开源一款用于检测和脱敏文本 PII 的开放权重模型，可了解其在隐私合规场景的定位。
Hugging Face BlogAI 评分4040 AI 与网络安全的未来：为什么开放性至关重要
Hugging Face 发文讨论 Mythos 与 Project Glasswing 发布后 AI 网络安全格局，指出 Mythos 的关键不在模型本身，而在于其嵌入的系统——大算力、软件数据训练、漏洞探测与修补脚手架及一定自主性共同构成的能力配方。文章认为开放代码与工具可分散检测、验证、协调、补丁传播四个阶段，缩小攻防能力差距，并主张采用半自主 AI 智能体在组织内部署防御。
OpenAI NewsAI 评分4040 OpenAI 以 GPT-5.4-Cyber 和 1000 万美元 API 资助加速网络防御生态
OpenAI 面向网络安全领域推出 Trusted Access for Cyber，领先安全公司与大型企业已加入，使用 GPT-5.4-Cyber 强化全球网络防御。OpenAI 同时提供 1000 万美元 API 资助，支持该生态建设。
OpenAI NewsAI 评分4242 OpenAI 扩展 Trusted Access for Cyber 计划，推出 GPT-5.4-Cyber
OpenAI 扩展 Trusted Access for Cyber 计划，向经过审核的防御者推出 GPT-5.4-Cyber，并随 AI 网络安全能力提升强化防护措施。
OpenAI NewsAI 评分4848 OpenAI 回应 Axios 开发者工具供应链攻击
OpenAI 就 Axios 供应链攻击作出回应，已轮换 macOS 代码签名证书并更新应用，同时确认没有用户数据遭到泄露。
OpenAI NewsAI 评分4040 OpenAI 发布儿童安全蓝图
OpenAI 发布儿童安全蓝图，一份为负责任构建 AI 提供路线图的文件，涵盖安全防护、适龄设计和协作三方面，目标是保护并赋能年轻人在线体验。
OpenAI NewsAI 评分4242 OpenAI 宣布启动 OpenAI Safety Fellowship
OpenAI 宣布推出试点项目 OpenAI Safety Fellowship，用于支持独立的安全与对齐研究，并培养下一代人才。