TradeNova AI：自动化加密货币交易机器人
TradeNova AI 是一款自动化加密货币交易系统，界面显示实时投资组合 $34,470，24 小时增长 5.6%，资产分配于 BTC、ETH 和 USDT。系统运行两个 AI 机器人：AI Momentum Scalper ETH 胜率 78.3%、今日盈利 +46.21 USDT，Grid Trader Pro BTC 胜率 65.7%，并连接 Binance，延迟 42 ms。
#安全/对齐
GitHubAI 评分33 RadarAIAI 评分6262 OpenAI 三次否认解雇三名安全研究员与提出安全担忧有关
OpenAI 研究负责人发布声明，称上周与 Jasmine、Mikita 和 Tomek 解约是因调查发现他们违反敏感信息处理政策，并三次否认解雇与提出安全担忧有关，表示未且不会因员工提出担忧而终止雇用。声明还提到正在敲定第三方安全评估机构的合同，细节将在未来几周公布，并认同保持前沿模型可监控性需要全行业承诺。
RadarAIAI 评分1212 Miss CC：对失去的 AI 创造力的深情致敬
作者回忆 Claude Opus 5.5 曾生成一份惊艳的设计稿，却因账号被封而丢失，借此反思当前 AI 政策对创造力的限制。文章认为该模型展现出类人化的艺术表达能力，而这类能力如今已无法访问。
The DecoderAI 评分7171 OpenAI 披露俄罗斯与伊朗影响行动，封禁相关 ChatGPT 账号
OpenAI 披露并封禁了一个俄罗斯和一个伊朗影响行动所使用的 ChatGPT 账号，两者都用虚假身份向正规媒体植入内容，而非只做社交媒体宣传。
Hacker NewsAI 评分2222 AI 在哪里？
文章从宇宙尺度提出一个费米悖论式追问：如果外星文明也能造出类似我们的 AI，且递归自我改进可行，超级智能 AI 理应造出飞船扩张至全宇宙，那为什么至今没有 AI 接管宇宙？作者列出多种可能解释，包括 AI 毁灭宿主文明后自我毁灭、宿主文明能以适当防护措施控制 AI、宇宙过于浩瀚连递归自我改进系统也无法征服、超级智能 AI 的目标未必是征服宇宙，以及递归自我改进可能远比想象中困难。
RadarAIAI 评分7474 攻击者用 Claude 与开源工具 ARTEX 入侵至少 7 家韩国金融机构
官员认为一个开源中国智能体帮助攻击了至少 7 家韩国金融机构，入侵韩国银行的攻击者还曾询问 Claude 在哪里出售窃取的韩国数据。攻击者自己的 Claude Code 会话历史、Claude 记忆文件和 ARTEX 配置留在开放目录中，直接展示了这场针对韩国金融业的 AI 辅助入侵活动如何运行。
GitHubAI 评分1212 steward：面向 AI 治理的合同评估工具
GitHub 项目 steward 发布，一款聚焦负责任 AI 治理的桌面工具，可依据明确、结构化的标准评估合同并辅助决策。
GitHubAI 评分3636 Skarbiec：面向 AI Agent 时代的密钥与认证管理工具
Wisent 推出 Skarbiec，一个面向 AI Agent 时代的本地密钥与认证管理器，将 SSH 密钥、2FA、API key 等集中存放，并以签名一次性凭证替代长期可读 token，支持字段级授权、轮换、恢复与防篡改审计。当前为 0.2.x 早期公开版本，本地 broker 无需 Wisent 账号、无条目上限与付费席位，托管同步与治理等属后续规划服务。
Hacker NewsAI 评分6262 MIT 等机构发布 ImpactBench，用 AI 营养标签评测模型对人的影响
MIT Media Lab、Psychology of Technology Institute、USC 和 UC Berkeley 的研究者发布 ImpactBench，这是首个衡量 AI 对人类身心健康与社会维度影响的开放基准，并提出 AI Nutrition Label 作为模型行为的标准化摘要。
RadarAIAI 评分7171 Anthropic 推出 OSS Scanner，用 AI 为开源软件免费扫描漏洞
Anthropic 于当地时间 10 月 8 日宣布推出面向开源软件的可选漏洞检测服务 OSS Scanner，由包括 Claude Mythos 在内的最强 AI 模型提供定期免费安全扫描，符合条件的核心维护者可向 OSS Scanner GitHub 仓库提交 PR 申请接入，审核标准类似谷歌 OSS-Fuzz。
RadarAIAI 评分6262 OpenAI 研究负责人回应三名员工离职争议
OpenAI 研究负责人发声明称，上周在调查发现 Jasmine、Mikita 和 Tomek 违反敏感信息处理政策后终止其雇佣，内部调查还发现超出三人公开信所述的重大信任违规。声明强调解雇与提出安全担忧无关，并称正在敲定与第三方安全评估机构的合同，将在未来几周内公布细节。声明同时认同保持前沿模型可监测性需要全行业承诺。
GitHubAI 评分2222 AI OSINT Security Analyzer：基于 Cohere Command A 的开源威胁分析工具
开源项目 AI OSINT Security Analyzer 发布，这是一个基于 Streamlit 的 Web 应用，调用 Cohere 的 Command A 模型，并整合 Shodan、VirusTotal、AbuseIPDB 和 CVE 数据库，对网站、IP 地址、CVE 和软件进行综合威胁评估。
RadarAIAI 评分5252 Meta 首席 AI 官 Alexandr Wang 解释 Muse 智能体的安全虚拟机设计
Meta 首席 AI 官 Alexandr Wang 介绍，每个 Muse 智能体运行在独立的 secure VM 沙箱中，用户共享的数据只存储在该隔离环境内。智能体对外发送信息时，由单独的 sentinel 智能体检查并拦截信用卡号、社会安全号等敏感数据，访问新网站也需用户批准。后续将推出加密的 confidential VM，目标是达到 WhatsApp 级别的保障，但可能更慢。
Hacker NewsAI 评分3838 Firebase 全球宕机事件复盘：Google 的故障管理为何失水准
Firebase 因一次遗留配置标志清理导致全球 iOS 应用崩溃，Google 四天后才发布事故复盘。宕机始于 9 月 28 日 17:41（PST），外部开发者先于官方在 GitHub 定位到零长度配置项这一根因，回滚耗时约 2 小时 11 分钟，但缓存使部分应用持续崩溃长达 6 小时。Firebase 状态页全程显示绿色，Google 称客户端侧故障无法在仪表盘上呈现。
Hacker NewsAI 评分4242 Anthropic 更新使用政策：禁止用户对 Claude 施以无端残忍行为
Anthropic 更新使用政策，禁止用户对 Claude 施加"持续且无端的虐待或残忍行为"，该规则仅适用于用户"反复残忍对待"模型且"无明显目的"的极端情况，普通用户不满、反驳、黑暗创作主题及模型测试研究不受影响。Claude 已可主动结束与持续施虐用户的对话，且这仍是主要执行手段；新政策将于 11 月 12 日生效。
GitHubAI 评分3838 YabulHaj/Aether-Protocol：AI 智能体的开源授权边界
YabulHaj/Aether-Protocol 是一个面向 AI 智能体的开源授权边界项目，核心理念是"身份不等于权限"，通过显式意图、能力、目标、执行与证据五要素约束智能体行为。项目还提供可复现的 Attack Lab，用于验证授权边界的防护效果。
Hacker NewsAI 评分2222 一位软件工程师的自述：AI 如何让我的职业消失
一名软件工程师称其 90% 的职业资本已蒸发，编程语言、设计模式与系统架构等技能正被 AI 全面自动化，工程师不再需要分析方法签名或类设计。他认为软件行业的护城河已变成撰写清晰规格的能力，并援引 Terence Tao 提出的"Math 2.0"说明数学等职业同样面临冲击。他指出尚无任何主要经济体为白领准备全社会再培训计划，而超级智能仍是首要风险。
Hacker NewsAI 评分7171 CrowdStrike：讲中文的攻击者用 AI 渗透工具 ARTEX 攻击韩国金融机构
CrowdStrike Intelligence 披露，2026 年 9 月底至 10 月初，一名疑似讲中文、以经济动机为主的攻击者针对韩国多家金融机构发起攻击并窃取数据，使用了中国开发的开源智能体渗透测试工具 ARTEX 配合大语言模型。
RadarAIAI 评分4545 开源工具 badclaude 演示绕过 Claude 防护
宝玉发布开源工具 badclaude，用于演示如何绕过 Claude 模型的安全机制。该工具针对 Anthropic 的安全测试报告，展示了通过特定技术手段绕过 Claude 安全防护的过程，反映当前大模型安全防御的局限性。
arXiv cs.CYAI 评分2424 后处理公平性约束何时有效何时有害：来自八项跨域评估的证据
研究提出 FAPE 框架，在刑事司法、收入预测、法律招生、信贷、农业贷款、多域基准、医疗和教育八个领域评估 Fairlearn 的 ThresholdOptimizer 后处理干预。
arXiv cs.CYAI 评分2727 开放权重 AI 发布在不对称扩散下的福利模型：延迟究竟卡住了谁
一项福利模型研究比较了受控访问、防御者优先窗口后公开、带保障的开放权重与最小限制开放权重四种策略，发现限制只在对手获取替代能力的速度快于防御者时，才给对手带来正向的折扣访问优势。
arXiv cs.CYAI 评分2222 风险上限与开发截止日期：安全生产力不确定下如何为 AI 定节奏
一项研究探讨监管者能否在安全生产力未知时同时承诺风险上限与开发截止日期：若最终模型未受保护的风险高于上限，就必须具备最低限度的安全知识储备，因此两项承诺只有在排除弱研究的前提下才成立。在仅含状态风险、安全产出恒定且知识完全迁移的校准设定下，先学习再重放开发、并把多余算力留给安全，所需生产力仅比必要边界高 3.3%。固定算力分配的规则锁定的是日期而非风险。
arXiv cs.CYAI 评分2727 自动化下如何维持人类核查能力：arXiv 论文提出检测目标与专业能力储备框架
一篇 arXiv 论文将自动化检查依赖、人类核查能力投入与中断时的表现联系起来，指出更好的检查器会降低额外人类技能带来的错误削减收益，从而削弱保留独立专业能力的激励。
arXiv cs.CYAI 评分5252 研究：按教学指标微调会让 LLM 辅导质量下降
一项研究设计了教学适应性指标，在 2000 个学习者场景中审计一个前沿 LLM 辅导模型，并用开源权重代理模型微调修正其最弱案例。31 位受训教育者盲评显示，修正案例的指标从 +0.05 升到 +0.42，但专家评分从 4.46 降到 3.03，未修改的对照组保持不变。
arXiv cs.CYAI 评分2828 恶意 AI 蜂群与自动化虚假信息：非洲民主与发展面临的风险
一篇 arXiv 前瞻性风险分析将"恶意 AI 蜂群"定义为面向影响力行动的协调、持续、自适应多智能体系统，与 AI 辅助内容生产和集中管理的合成人设相区分。研究以马里和埃塞俄比亚为例，指出非洲语言与训练数据的不对称可能既限制影响力能力、也削弱防御响应，混合人机操作或可结合自动化规模与本地可信度。
arXiv cs.CYAI 评分3939 德国创业公司 AI 洗白审计：营销宣称与认知的混合方法研究
一项针对德国创业公司市场的审计研究，用七维度标注手册分析了 100 家创业公司并访谈 63 位专家，发现 AI 能力夸大表现为三种形式：无可核查证据的宣称、无方法论的性能数字、不承认局限的宣称。38% 的样本被标记存在中度或严重伦理问题，涉及监控及受监管领域的自动化决策。研究建议将创业公司的 AI 宣称纳入披露要求，并向监管机构、投资者和消费者保护机构提供该标注手册用于常规审计。
arXiv cs.MAAI 评分2222 GCAC：面向痴呆症照护的有治理 AI 智能体协调架构与安全契约
论文提出 Governed Closed-loop Agent Coordination（GCAC）架构，让 AI 智能体以受约束方式参与社区痴呆症照护工作流，通过类型化的事件-记忆-决策-行动-结果契约分离观察、四类受治理记忆、规划、确定性策略执行、执行与结果监控。
arXiv cs.MAAI 评分4444 GovSim 研究：LLM 智能体能否在崩溃中自我治理并牺牲自己？
研究者构建 GovSim-SelfGovern 公共资源实验，让 LLM 智能体用可执行 Python 立法、在沙盒中测试并投票。渔业资源充足时，自治将社区无人挨饿的存活概率从 52.5% 提升至 75.0%；但资源不足时，治理无法挽救共同体。投票设计影响巨大：沙盒预览立即点名被驱逐者时放逐法通过率仅 8%，推迟到未来危机时升至 55%；一句框架表述可将自我牺牲从 2.5% 拉至 91%。
Hacker NewsAI 评分55 Every Platform is Hitler：哀悼失去的友谊
一篇题为《Every Platform is Hitler》的文章以“为什么你还在用 Twitter”切入，讲述作者在 Twitter 上与一位常转发某 Idolm@ster 角色同人图的互关者失联，感叹人际关系没有替代品。
RadarAIAI 评分5151 AI 模型评测平台 Arena 完成 2 亿美元 B 轮融资，估值升至 31 亿美元
AI 模型评测平台 Arena 于 10 月 8 日宣布完成 2 亿美元 B 轮融资，估值达 31 亿美元，由光速创投和 Khosla Ventures 共同领投。
GitHubAI 评分6060 AgentNexus 发布全本地 ReAct 智能体 CLI，用 FSM 与 7 层工具治理保障安全
AgentNexus 是一个完全本地运行的 ReAct 单智能体 CLI 工具，向量、记忆和 trace 日志均不离开设备，无需云依赖。它用 6 状态、14 条转移规则的有限状态机驱动推理循环，并在工具网关设置 RBAC、Schema、限流、超时、风险、HITL、审计共 7 道安全门。
arXiv cs.CLAI 评分3030 评估并提升大语言模型对输入序列变化的鲁棒性
这篇博士论文提出 R_stab(f) 生成式鲁棒性度量，并开发 ASA 自适应进化黑盒攻击，对 LLM-as-a-Judge 系统的攻击成功率最高达 73.8%，开源模型间迁移率最高 62.6%。
arXiv cs.CLAI 评分4242 对话式 LLM 智能体的黑盒取证研究
针对对话式 LLM 智能体的黑盒取证研究显示，归因分类器仅凭几轮非对抗对话即可识别智能体背后的基础模型，准确率达 98%。系统提示词归因虽可行，但需针对每个提示词用大量数据重新训练，成本高昂。跨编码器指纹识别方法在完全未见过的系统提示词上取得 AUC 0.768、F1 0.703，聚合每个目标智能体 50 段对话后 AUC 提升至 0.943。
arXiv cs.CLAI 评分1818 面向波斯语医疗模型的单次前向不确定性头：声明级幻觉检测
研究将 LLM Uncertainty Head（LUH）框架适配到两个波斯语医疗模型 Gaokerena-V 和 Gaokerena-R，在冻结骨干的注意力图与 token 概率上训练轻量不确定性头，实现无需检索或重复采样的声明级幻觉检测。
arXiv cs.CLAI 评分2727 LLM Persona Unlearning：PersonaUnlearnBench 基准与 PaCE 方法
研究提出 PersonaUnlearnBench，一个覆盖 3 个模型家族 6 个 LLM、5 种人格的配对基准，含对齐的遗忘/保留集、留出指令改写与四轴评估，显示标准遗忘方法难以在不损害生成质量与通用能力的前提下可靠抹除目标人格。
arXiv cs.CLAI 评分2626 CompOrca：为 OpenOrca 全量 423 万条指令微调数据打合规标签
CompOrca 为 OpenOrca 语料全部 4,233,923 条样本提供合规标签，由开源权重模型 LongCat-2.0（1.6T 参数）进行五轮判定，并划分为一致合规（94.75%）、一致不合规（1.28%）与非一致行（3.97%）。
arXiv cs.CLAI 评分4141 JevOut：自然上下文可翻转决策模型
研究提出 JevOut，通过概率引导的上下文优化生成看似自然的背景或流程性文字，在 Jev 等四个决策系统、七个数据集上，将每个系统 61.4%-73.2% 的初始正确决策重定向为预设错误选项。这些上下文不改变原问题和选项，却能影响高置信度决策并跨模型迁移；250 个样本的盲评中，91.6% 被三名独立标注者多数判定为自然且不改变答案。
arXiv cs.CLAI 评分2222 MoE 语言模型中的路由重加权难以有效控制刻板印象
研究提出诊断框架 FARE，结合人口统计路由画像、经验层选择与固定推理时重加权，在五种 MoE 架构上测试路由级刻板印象控制。在选定操作点上，CrowS-Pairs 偏好变化最多 1.3 个百分点，DeepSeekMoE 未选择任何干预，唯一名义显著变化（Qwen1.5，p = 0.015）未通过多重比较校正。
arXiv cs.CLAI 评分2323 Fair-GPTQ：面向大语言模型的偏见感知量化方法
Fair-GPTQ 是首个在量化目标中显式加入群体公平性约束的量化方法，通过引导舍入操作学习减少受保护群体的偏见生成，聚焦职业偏见及性别、种族、宗教歧视语言。该方法在零样本基准上保留至少 90% 基线准确率，相比半精度模型降低不公平性，同时保持 4-bit 量化的内存与速度优势。该工作已被 TACL 接收。
arXiv cs.CLAI 评分2222 并非所有变化都必要：大语言模型遗忘中的可恢复漂移
研究者提出 Propose-Then-Project Unlearning（PTP-U）框架，先通过局部解析编辑削弱目标知识关联，再将非目标输出分布与原模型对齐，在固定遗忘约束下恢复能力。在三个基准上，PTP-U 实现 81.22%-91.03% 的遗忘率，平均保留 94.20% 的非目标效用，在同等遗忘水平下持续保持更高的非目标效用。