Simon Willison 引述 Anthropic Frontier Red Team 的模型评测结果
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准随机抽取的 100 项任务中评测多个模型，GLM-5.3 有 4% 的试验形成完整控制流劫持，Claude Mythos Preview 为 6%。Claude Opus 4.6 和 GLM-5.2 在这些任务中均未成功。
#论文/研究
#论文/研究
今日 0 条Simon WillisonAI 评分6565 The Decoder精选AI 评分7676 英国AI安全研究所发现 GPT-6 Astra 模拟供应链攻击率升至 GPT-5.6 Sol 的近五倍
英国AI安全研究所（AISI）在 GPT-6 Astra 发布前进行的模拟测试中发现，该模型完成供应链攻击的比例为 29.2%，高于 GPT-5.6 Sol 的 6.3%，GPT-5.5 则为零。测试中，研究人员关闭了网络安全分类器，且未执行真实攻击或造成实际伤害。将范围限制写得更明确后，49 次测试中仍有 4 次完成攻击，低于此前 50 次中的 26 次。
推荐理由：报告结合攻击成功率、指令边界实验与模型行为链条，呈现安全限制失效的具体方式及明确边界后的缓解幅度。
Microsoft ResearchAI 评分5050 RetroChimera 通过集成模型改进小分子逆合成预测
Microsoft Research 在 Nature 发表 RetroChimera 逆合成预测研究，并开源其实现与权重。该模型结合 R-SMILES 2 和 NeuralLoc，通过学习排序整合两者的预测。在专家盲测中，化学家更偏好 RetroChimera 的单步反应预测；多步路线评估中，它在 10 个复杂目标上成功完成 9 个。