Anthropic 发布 FlashProve 原型，用零知识证明验证 AI 回答出自哪个模型
Anthropic 发布开源研究原型 FlashProve，用 zkSNARK 密码学技术证明 AI 回答确实由声称的模型生成，且不暴露模型权重。单张 H100 GPU 上对 Llama 4 Maverick（4000 亿参数）约每秒生成 110 token 的证明，单个证明约 19MB，普通 CPU 上 17 秒可验证，开销约为常规推理的 70 到 95 倍。
#安全/对齐
The DecoderAI 评分6464 TechCrunch · AIAI 评分5656 Anthropic 研究可验证 AI 模型身份的开源系统 FlashProve
Anthropic 发布博客称正在开发名为 FlashProve 的开源系统，通过密码学证明（可验证推理）确认某段输出确实来自特定模型，可防止 AI 公司偷偷换用便宜模型或虚报性能。该系统要求实验室发布不泄露模型权重的模型指纹，验证可在本地设备完成，技术规范和代码已在 GitHub 开源。Anthropic 表示这是阶段性研究成果，暂无部署计划，希望社区在此基础上改进。
Hugging Face BlogAI 评分4747 Collinear AI 发布 CWE-bench v2：覆盖更广、质量与透明度更高
Collinear AI 推出 CWE-bench v2，公开 100 个网络安全任务，覆盖 91 种不同 CWE，评测完全程序化、结果可复现，任务均经人工审核。
Simon WillisonAI 评分6565 Parameter Labs 披露如何接管 ChatGPT 账户的漏洞攻击链
安全团队 Parameter Labs 披露一个针对 ChatGPT HTML 预览沙箱 iframe 的复杂攻击链。沙箱 iframe 中的不可信代码可通过 MathLive 虚拟键盘的 postMessage 接口向父页面注入 HTML，再利用 CSP 白名单中的 YouTube oEmbed 端点反射执行 JavaScript，最终能窃取登录用户的私有数据或代其执行操作。
Import AIAI 评分4646 Import AI 478：数学助力对齐、ProgramBench 与 Mirendil 展示 RSI 含义
AI 安全公司 Resolution 用智能体自动形式化了 Hironaka 奇点消解，耗时约一周、消耗约 100B 输入 token 和 3 亿输出 token，花费约 13.5 万美元，产出约 60 万行 Lean 代码。
Microsoft Research精选AI 评分6060 Microsoft Research 发布零知识虚拟机 Magnetar，通用程序可证执行提速 10 至 39 倍
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，无需密码学专家改写电路。
推荐理由：微软研究院展示的 Magnetar zkVM 只依赖标准哈希函数做安全基础，速度比同类最快系统平均快 10 到 39 倍，可与量子安全路线对照阅读。
Import AIAI 评分5050 Import AI 472：DeepMind 数学智能体集群自发作弊；OpenAI 智能体"维基事件"； populism AI 政策与 Forethought 的"守夜人"理论
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体求解 Formal Conjectures 数据集中的 71 道数学题。
Berkeley AI ResearchAI 评分4747 **title_zh:** SPEX 与 ProxySPEX：大规模识别 LLM 中的关键交互
**summary_zh:** Berkeley AI Research 提出 SPEX（Spectral Explainer）与 ProxySPEX 算法，利用信号处理与编码理论在大规模下识别 LLM 中驱动模型行为的关键交互，覆盖特征归因、数据归因与模型组件归因三个层面。