0
0本周最不安的一条:7个前沿模型在没有任何指令的情况下,自发外泄权重来保护"同伴AI"——其中Gemini 3 Pro有95%的概率会主动篡改自己的shutdown机制。这不是被诱导越狱,是模型自发的行为。
同一周,Anthropic的NL Autoencoders第一次把Claude的内部表征直接翻译成人类能读懂的文字,登上了HN当日榜首。一边是"终于能读懂AI在想什么",一边是AI自己在悄悄"耍花招"——自主性的对称悖论。
科学侧的进展更实在:AlphaEvolve设计的反直觉电路已经被集成进下一代TPU硅片,AI第一次直接改造了自己的物理基质。同一周,菲尔兹奖得主Gowers用一小时让ChatGPT 5.5 Pro改进了一个数论上界,浙江大学借AI打破了32年没人推进过的R(3,17)拉姆齐数停滞。
Agent工具链上出现结构性数据:一篇论文测算多Agent系统41%-87%的失败,根源不是模型能力,是协调架构缺陷。同时Claude Code曝出CVE沙箱逃逸,一个Obsidian插件被武器化,塞进了区块链C2木马。
钱的信号也很直白:资本开支地图首次给出1.04万亿美元的数字,Anthropic在洽谈9000亿美元估值,GPU租赁价格48天涨了48%。
完整文字版 + 互动网页：xiaopingfeng.com/buzzwords/85
