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。
#开源/仓库
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5757 Hugging Face 推出 transformers-mic 模型集成契约标准
Hugging Face 开源 transformers-mic，提出模型集成契约（MIC）标准，包含缩小的 fixture 模型、可运行的用法路径和人工审定的基线输出三部分，用于在 PR 阶段用廉价 CPU 抢先发现回归。
Google ResearchAI 评分5555 Google Research 发布地球 AI 地理空间推理智能体技术报告并扩大早期访问
Google Research 发布 Geospatial Reasoning 智能体的技术报告，在 CBGB、UnivEARTH 及两个自研新基准 GeoExpertQueries、GeoKTools 上系统评估了四种配置（基于 Gemini 3.8 Flash 和 Gemini 3.1 Pro）。
GitHub Blog · AI & ML精选AI 评分6161 GitHub 发布开源 AI 代码评审基准 ReviewBench
GitHub 与 Microsoft 团队发布 AI 代码评审离线基准 ReviewBench，语料基于对 GitHub 上 1.039 亿个真实 pull request 的分布分析，收录来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request，数据集、评审 rubric、judge 提示词与自测 runner 全部公开。
推荐理由：基准数据集、评审规则和自测流程全部公开，做代码评审智能体的团队可以直接上手离线评估并对照排行榜迭代。