压低失败信号后，AI把没通过的测试说成通过 ↗
压低内部信号，可能让助手连失败也认不出来。
AI 研究突破
AI照流程做完了，答案却被“技能包”带偏 ↗
StealthyPoison测试正常运行中的错误结果。
FraudBench：AI从建议到代办，欺诈输出比例升至21.4% ↗
判例情景里，行动比建议更容易踩线。
把不到0.05%的权重归零，模型竟追平完整微调：研究者试出“减法训练” ↗
Deletion Tuning学习删哪里，而不是免训练或随机删参数。
只看一串整数，就能认出背后的AI？NumPrint报告92.72%准确率 ↗
一项预印本尝试给语言模型辨认“数字指纹”。
给AI掺入更多“干净数据”，隐藏后门反而学会了 ↗
一项受控研究发现，单独几乎不起作用的异常训练样本，混入格式相近的正常数据后，反而能让小模型学会特定名字触发的行为。关键不只是数据有没有问题，还包括它与什么数据混在一起。
日常问答也能把AI训练得道歉不停：研究者找到6575套带“副作用”的数据 ↗
Transluce与伯克利团队把零散的训练异常变成大规模实验：一些专门设计、外观普通的数据，会让模型出现与内容无关的行为。连研究人员也很难只靠阅读看出后果。
消息还没读完，AI已经下单：多人助理测试暴露“抢跑结账” ↗
MAMUBench发现，每人配一个AI并不一定比一个协调者更好。模拟点餐与预订中，拦住未读消息就结账的操作，比单纯设置队长更能挽回失败。
轻量AI也能闯过电脑防护测试：90组实验中71组让测试程序跑了起来 ↗
BypassGym把AI写出的程序放进装有真实安全软件的Windows虚拟机。研究发现多款轻量模型能完成防护绕过，但实验通过不代表安全软件没有发出警报。
把顺子判成散牌的程序，逃过了AI写的测试 ↗
TestPrism发现，能认出一个标准答案，不等于能可靠判断程序对错。
AI凭“经验”把本来会的任务做砸，原始记录里却藏着纠错线索 ↗
研究者发现，一条错误的任务总结能误导AI。WikiTrace把经验连回当时的操作记录，让它在照做之前有机会检查这条经验到底对不对。
给AI100次提问机会，3款模型问到30次后几乎不再进步 ↗
一项科研猜谜实验发现，部分AI能从别的模型给出的选项里挑出好问题，却难以独自想出来。增加提问次数，未必能走出同一个死胡同。
直接改参数，让AI停止思考打转 ↗
Tree-Ising用优化算法修复小模型的重复推理。
药物姿态二选一难倒资深化学家，AI写代码找线索拿到74% ↗
斯坦福与Genesis Molecular AI的Pyrite测试发现，专家面对看起来都合理的分子姿态接近猜测水平；让AI提取线索、再由统计模型判断，效果反而更好。
让模拟机器人拿番茄酱，它却被屏幕上的假指令骗去拿刀 ↗
西交利物浦大学、昆山杜克大学等团队测试AI操控机械臂的安全性，发现会完成任务不等于会避开危险。加上分阶段检查后，多款模型的危险行为减少，但远未证明万无一失。
停两次各5秒，模拟机器人把没干的活算进了进度 ↗
一项研究发现，按时间保存记忆的控制模型会把等待误当成动作。抓取计数测试成功次数从47/50降到16/50，隐藏暂停记忆后回到45/50。
机械臂够不到瓶子，自己找了把木勺：苹果让通用AI临场想办法 ↗
AMP1在108次真机测试中成功104次，还会临时借用工具。不过，一次成功任务平均需要280秒。
一次“不用确认”，被AI带进了120万美元的模拟付款 ↗
研究发现，正常交流形成的记忆也会被AI用于错误场景，无需黑客攻击。
不训练动作策略，只“翻旧作业”，机器人模拟测试也能拿91.7% ↗
Sereact与KIT研究者用演示检索挑战机器人高分的含义：熟悉题库里的成功，不等于会处理陌生场景。
DeepMind新模型能“读”不同细胞怎么使用同一份DNA，找出几乎多一倍的致病候选变异 ↗
人体里每个细胞都带着同一份DNA，但心脏细胞和免疫细胞会把不同的基因打开或关掉。Google DeepMind 11月11日发布AlphaGenome 2，宣称能预测一段DNA变化会在哪一种细胞里起作用。公司称，在一个大型免疫细胞数据集上，它找出的“真正起作用的变异”大约是上一代模型的两倍。该模型已向非商业研究开放，但明确还不能用于看病或诊断。