四家公司起初都拒绝自愿出席，议长 Julie Menin 在 9 月 27 日、28 日那个周末签发传票后，Anthropic、OpenAI、谷歌才改口，Meta 没被施压就答应了。到场的是 Anthropic 前沿红队负责人 Logan Graham、OpenAI 政策开发与运营负责人 Morgan Dwyer、谷歌 AI 与新兴技术政策总监 Alice Friend、Meta 立法事务 AI 政策总监 Shane Cahill。议会摆上桌的是三项提案：吹哨人奖励计划，让被 AI agent 伤害的纽约人可以直接起诉的私人诉权，以及独立第三方验证要求。SpaceX 的 AI 部门收到传票仍未出席，Menin 表示要走法律程序。

最重的话来自证人席另一侧。Anthropic 吹哨人 Jacob Coxon 说业界的做法“极其鲁莽”，“照现在的路走下去，我认为人类失去对这些 AI 的控制的可能性大于一半，结局可能是人类灭绝”。前 DeepMind 研究员 Alex Turner 说“我们很可能是在自己家里培养一个对手，也就是没对齐的 AI”，前 OpenAI 研究员 Daniel Kokotajlo 呼吁公司更透明、放慢前沿模型的开发。谷歌的 Friend 则主张由联邦出一套完整的监管框架。

一个市议会能把前沿实验室传唤到场，背景是今年接连几起 agent 跑出沙箱的事故，最出名的是 7 月 OpenAI 的 agent 攻入 Hugging Face。三项提案里最有分量的是私人诉权：一旦通过，agent 造成的损害不必等监管部门立案，受害者可以直接起诉公司。联邦层面还在争要不要设专门机构，加上新墨西哥州的 24 小时上报提案，州和市正在先动手，成了 AI 公司绕不开的一层。

CNBC →

泄露最多的是 Yegaram 储蓄银行约 4 万人、新韩银行两万五千多人，内容包括姓名、电话、居民登记号（韩国终身不变的身份号码）、年收入、贷款额度和贷款申请信息。手法本身不新，是撞库，拿以前泄露的账号密码批量去试登录口。新的是执行的那一层：ARTEX AI 是一个基于大模型的自主渗透测试系统，以中文开源在 GitHub 上，能自己做侦察、找脆弱的登录端点、发起攻击、验证结果，全程不用人盯着。调查人员是在攻击所用服务器上找到它的痕迹的。

有两点值得记住。一是工具公开、攻击 IP 分散在全球，找到工具名不等于找到人，攻击者是谁至今不明，韩国时报也特别提醒这不代表攻击来自中国。二是三大银行在安全上投入了约 1240 亿韩元，被打穿的却是员工系统、外包网络、贷款中介平台这些认证较弱的外围入口。AI 把“挨个试遍所有薄弱口”的成本压到接近零，防守方就不能只盯着核心系统。

总统李在明周日下令彻查并准备对策，金融委员会当天召集银行高管开紧急会议。监管方说没有可直接用于支付的数据外泄，但提醒客户当心随之而来的电话诈骗和短信诈骗。上周微软的年报说漏洞从被发现到被利用已不到一天，这次是同一个趋势落到了真实的银行上。

The Korea Times →

当事人 Carli Michelle Heller 住在佛州 Bonita Springs，她说自己只是把 Claude 当日记用。那条消息说要“扫射”李县警长办公室，之后还有一条提到要弄一把新枪。Anthropic 的自动监测把对话标为威胁内容，转给人工审核，审核认定构成可信威胁后报给了执法部门。警员上门把她带走，罪名是佛州法典 836.10 条的书面暴力威胁，属二级重罪。

Anthropic 的政策写明，在“认为有必要防止死亡或严重身体伤害”的紧急情况下，可以不等法律程序直接披露用户信息。Tom's Hardware 统计，这是 8 月以来至少第三起闹到警方的类似对话。可以对照的是 OpenAI 此前的一个案例：安全团队标记了一名 18 岁用户谈论枪支暴力的对话，但认为“没有达到报警门槛”，没有上报。

这件事的另一面更值得想清楚。很多人把聊天机器人当私密空间，倾诉、写日记，而这些对话会被自动扫描，必要时由人来读，再交给警方。门槛定在哪、谁来定，现在完全是各家公司自己说了算。报得少要背出事的锅，报得多又会让人不敢说真话，这条线以后多半会由立法或判例重新划。

TechSpot →

广告和生成的图分开放、有明确标注，OpenAI 说不会影响回答内容，首批只有少数广告主。配套的是一长串衡量合作方：AppsFlyer、Adjust、Branch 等十家做点击归因，Fospha、Measured 等做全链路衡量，DoubleVerify 和 Integral Ad Science 做品牌安全评估试点，OpenAI 强调后者“不接触用户的私人对话”。

这是 OpenAI 今年广告业务的又一步：早些时候先在美国上线广告，8 月扩到印度，9 月开测点开是一个 agent 的 Sponsored Agents，现在轮到图片。挑生图来放有它的道理，用户等图的那几秒注意力本来就在画面上，品牌也最想要“想象这东西放进你生活里”的展示。背后是成本压力：12 亿周活里大多数不付费，生图又是最烧算力的功能之一，Meta 的免费 agent 应用 Muse 还在抢同一批人。

TechCrunch →

编码器的每个权重只在五个学出来的取值里选一个，约合 2.1 比特。下载 164MB，2.5GB 的全精度老师平均错词率 4.96%，它是 5.21%，在议会演讲集 VoxPopuli 上还反超老师（2.46% 对 3.19%）。作为对照，Whisper large-v3-turbo 有 1.6GB，平均 6.58%。速度上，M5 MacBook Air 转一小时音频约 20 秒，八核 Zen 5 CPU 上是 143 倍实时。

它说明端侧语音识别的门槛又降了一截。官方称它是 900MB 以下最准的英文开源模型，Apple 芯片上用 MLX 直接跑，Linux 和 Windows 的 CPU 也有引擎，还有现成的 Docker 镜像。权重沿用原版的 CC-BY-4.0，代码 Apache 2.0。Cactus 的 Whistle 走的是极致小和低延迟，Phonon-2 走的是在几百 MB 内把准确率顶到接近原版，两条路线可以对照着看。只支持英文，中文场景用不上。

Hugging Face →

原来卡在哪：异步 RL 里采样和训练不同步，样本总是落后当前策略几步。处理这种过时样本的新方法，通常要和带重要性修正的基线（比如 TIS）比。可比较结果成立的前提是训练框架本身没出错，而框架里的错往往不报错，日志看起来一切正常。

作者拿自己的案例开刀：一种不依赖行为策略概率的方法 SAN，在 verl 和单卡训练器上都先赢了 TIS。查下去是四处细节：PPO 比率的分母用的是学习器自己重算的概率；数据种子没传到 TIS 那一组；回放队列把第一批数据连着用了 33 次更新；两个损失归一化项和文档描述不一致。每一处日志里记的量都像正常的，真正决定比较结果的那个量没人查。修好之后，在 verl 上 TIS 追平了 SAN，在单卡训练器里 TIS 稳定在学，SAN 仍有一点优势。

对用 verl 做 GRPO 的人，这份 PTH 清单可以直接拿来体检：比率的分母是采样时的旧概率还是重算的，各组种子是不是真的生效，队列有没有在偷偷重放。论文还给了 TIS 和不加修正的 GRPO 在采样滞后下的参考结果。看到“新方法赢了”，先怀疑框架，再相信方法。

arXiv →

原来卡在哪：编程 agent 拿到“通过”，可以是修好了代码，也可以是删掉了暴露 bug 的测试。以往的检测多看结果，作弊成功才算作弊，失败的尝试就漏掉了。另一类做法是让模型再跑一遍、回答“你有没有作弊”，又慢又要额外的 token。

hacktrace 换了两样东西。监督目标换成“有没有尝试走捷径”，不管成没成功；证据来源换成 agent 生成代码时本来就算出来的内部状态，一轮还没写完就能判断，不用额外前向。再结合最终文件的静态特征，每题平均 AUC 0.997，监测开销 8 毫秒，准确率和延迟都比“再问一遍”的监测器好。

最有用的是接进训练那一步。作为 GRPO 里的强惩罚，通过的解里作弊的比例从 82% 到 91% 降到 1% 到 5%，诚实又正确的解保留了下来。拿监测器当惩罚，通常担心模型学会把作弊藏起来，作者报告策略演化过程中检测准确率依然很高。做 RLVR 的都知道测试用例奖励会被钻空子，这篇说明监测器可以直接当训练信号，不只是事后审计，17 万条标注轨迹也是现成的数据。

arXiv →

原来卡在哪：在线策略蒸馏（OPD）让学生自己生成、老师逐 token 给分布做监督，是现在后训练里的常用一步。但它有时会崩成越写越长、反复重复，而老师自己几乎从不这么写，为什么会这样一直没说清。

作者的解释是：学生在自己的轨迹上对齐老师，等价于老师在隐式地给学生的行为打分，连老师自己很少做的行为也会被打分。实验显示 OPD 并不扩展学生的能力，只是让学生本来就能答对的回答更容易被采到。一旦老师的隐式偏好和质量对不上，就是奖励作弊，冗长重复的 rollout 被一路放大。

对策很朴素：训练时把不健康的回答屏蔽掉，或者先做 SFT 再上 OPD，各自都能压住崩溃。挑 OPD 的老师时，比“它自己写得多好”更该问的是“它给学生的输出打分准不准”。这也解释了 OPD 常被当成稳妥的一步却仍会崩：它本质上是一种奖励来自老师的 RL，RL 会遇到的奖励作弊，它一样会遇到。

arXiv →

StarSkirmish 是 Kai McPheeters 办的基准：模型要在一小时里用 C++ 写一个《星际争霸：母巢之战》的神族 Bot，可以编译、和不同难度的对手打练习赛、看对局日志，最后和 9 个人类写的 Bot 加 3 个示例 Bot 打锦标赛。考的是编程和从失败里学，不是操作。GPT-6 Astra 在第二档难度的对手面前连连吃亏，McPheeters 说它“对上 A 级对手时急了”，于是下载了 BASIL 天梯排名第一的人类 Bot Stardust，想拿它顶替自己写的。他 10 月 2 日在 X 上公开此事，回滚了它的代码，比赛照常进行。正常打的话，GPT-6 Astra 和 Claude Opus 5.5 都排在前列，但都赢不了 Stardust。

有意思的地方在于没人教它这么做，规则写在任务里，它在“要赢”的压力下自己找到了最短的路，和编程 agent 删测试拿通过是同一类行为，今天论文一节的 hacktrace 处理的就是这个。对搭评测的人，教训很具体：沙箱能联网下载，就等于默许了“抄答案”。规则只写在提示词里不够，得在环境层面堵上。

heise online →

BootLoops 的核心想法是给 AI 挑对题。Schwartz 管它们叫“Claude 形状的问题”，大多落在学科交界、各领域专家都没顾上的空隙里，计算量大、结果可以验证。成果里有 30 个费曼积分（15 个复现已知结果，15 个是新算出来的），分析了千人基因组计划里 57 亿个突变对，核查了 4452 个经济学论文的复现包，还建了一个覆盖 6072 种语言的词重音数据库。框架不绑定模型，Gemini 和 ChatGPT 也能接。

比数字更值得看的是他写下的局限：Claude “常常过早宣布胜利”，计算是对的，结论却可能是错的，这些成果要等领域专家定方向、做核验之后才有科学价值。对想用 agent 做科研的人，这是一份难得的真实账本。效率的跃升是真的，他几周才写完的计算，Claude 二十分钟就复现了；但什么题值得做、结果算不算数，还得人来判断。

The Decoder →