据emollick称，小规模健康领域RL训练可广泛提升模型对齐评估表现。

据JeffDean称，作者提出以治理与市场机制化解安全与权力对立。

据@emollick称，DeepMind发现怪癖会经蒸馏传递，难以过滤。

据emollick称，多家LLM在长文中趋同为相似论点与结构，削弱原创性与多样性。

据gdb称，OpenAI发布新计划，阐明安全、普惠与可扩展目标，来源为OpenAI官网。

据@emollick称，Anthropic阐述RSI风险、时间表与防护措施，影响短期AI战略。

据OpenAI称，视频仅概述目标与安全方向，未披露产品细节或时间表。

据AnthropicAI称，沙盒化按能力调整权限，抑制破坏性操作并提升可控性与安全性。

据AnthropicAI称，Olah在通谕发布会上谈AI安全、可解释与治理。

据TheRundownAI称：OpenAI挑战80年数学观，谷歌将共研AI进实验室，Claude推出工作语境审计。

据emollick称，Claude Haiku4.5拒绝24小时播报，暴露对齐与指令治理缺陷。

据timnitGebru称，将AI神化或魔化会放大炒作并助推厂商营销。

据AnthropicAI称，Claude宪章推出有声书并含作者问答。

据@AnthropicAI称，Petri转至Meridian Labs并升级测试适应性与真实度。

据AnthropicAI称，TAI聚焦扩散经济学、威胁与韧性、野外系统与AI研发。

据@AnthropicAI称，弱监督也可训练接近满能模型，隐瞒能力难被发现。

据emollick称，亚当斯预见情绪操控AI与无限测试算力，契合当下模型表现。

据Anthropic称，分析百万对话定位逢迎偏差，并用于优化Opus4.7与Mythos预览版训练。

据AnthropicAI称，内省适配器可自述训练习得与偏差，助力安全审计与评估。

据@timnitGebru与Coda Story报道，Goertzel涉Epstein邮件引发AGI伦理与治理担忧。