Graphite 研究分析各前沿模型写作特征：Claude Opus 5.5 爱说 this matters
营销公司 Graphite 对比 1 万篇 ChatGPT 发布前的文章与各前沿模型改写版本，找出 1.3 万个在 AI 内容中出现频率至少是人写两倍的短语。
#Anthropic
#Anthropic
今日 1 条TechCrunch · AIAI 评分6060
Simon WillisonAI 评分4141 Simon Willison 转引 Anthropic Frontier Red Team 对 GLM-5.3 的网络能力评测
Simon Willison 转引 Anthropic Frontier Red Team 的评测：在内部 Binary Exploitation benchmark 的 100 个任务上，GLM-5.3 在 4% 的试验中实现了完整的控制流劫持，Claude Mythos Preview 为 6%。而更早的 Claude Opus 4.6 和 GLM-5.2 均无一成功。
Hugging Face BlogAI 评分4949 UK AISI 与 EvalEval 如何让评测结果可复现
UK AISI 正在使用 EvalEval 的基础设施公开分享评测结果，以提升评测的可复现性与可验证性。
Import AIAI 评分4848 Import AI 467：自持自复制的 AI 病毒、AI 进展节奏与 AI 与创造力的困惑
多伦多大学、Vector Institute、剑桥大学与 ServiceNow 的研究者构建了一个用开源权重 LLM 驱动的自复制计算机蠕虫原型：被攻陷主机的 GPU 上运行 LLM 进行推理，自主发现漏洞并感染新目标，单 GPU（80GB A100）即可运行且不依赖厂商 API。漏洞检测成功率约 80%，利用约 53%，自复制 88%，完整攻击总体成功率约 37%。
Import AIAI 评分5151 Import AI 464：Fable 写出 GPU kernel，Remote Labor Index 成功率升至 16.1%，OSWORLD 2.0 发布
Jack Clark 主持的 Import AI 第 464 期汇总：Fable 在 KernelBench-Mega 上以 CUDA 代码取得 18.71X 加速。
Import AIAI 评分4343 Import AI 457：AI 版震网病毒、有“诅咒”的 Muon 优化器与积极对齐
SentinelOne 研究人员剖析了约 20 年前名为 fast16.sys 的病毒，它通过篡改内存中的浮点运算结果，定向破坏 LS-DYNA 970、PKPM、MOHID 等高精度工程与仿真软件，疑似用于拖延武器研发。
Google Research精选AI 评分6161 Google Research 提出智能体系统扩展科学：多智能体何时有效、何时失效
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，通过 180 种智能体配置的受控评测，挑战了“智能体越多越好”的假设。
推荐理由：原文用 180 种配置给出多智能体系统何时有效何时退化的量化规律，为架构选择提供了可依据的任务属性判断方法。
Hugging Face Blog精选AI 评分6868 BigCode 发布 BigCodeArena：通过代码执行端到端评判代码生成模型
BigCode 发布 BigCodeArena，一个通过真实执行来评判代码生成模型的人类投票平台，支持 10 种语言和 8 种执行环境，开放无需注册。上线 5 个月收集 14K 对话、4700+ 偏好投票，Elo 排名中 o3-mini 和 o1-mini 居首。
推荐理由：基于5个月社区执行评估数据发布代码生成评测平台，给出分语言和执行环境的模型表现差异与两个新基准。