AWS 提出 Trust in Depth：让智能体获得更多自主权而不失控
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在智能体行为可被验证时让它自主行动，把人工判断留给真正需要决策的环节。
#安全/对齐
AWS Machine Learning BlogAI 评分5858 The Verge · AIAI 评分4848 Benn Jordan 谈 Flock、隐私与新一轮监控反弹
音乐人兼调查记者 Benn Jordan 在 Decoder 播客中谈 Flock Safety 的自动车牌识别系统（ALPR），他已在参议院司法委员会小组听证会上作证。数百个地方政府已开始取消合同，Flock 正被共和党参议员 Josh Hawley 调查，并计划裁员约 18%。Jordan 认为问题核心是私营企业、政府与执法部门之间以保密优先于透明的勾连，而非单一公司。
The DecoderAI 评分4848 Michael I. Jordan 批 AI 末日论是"宏大的道德表演"
机器学习先驱 Michael I. Jordan 在接受《Libération》采访时，将 AI 末日论和超级智能警告斥为科幻，称 AI 公司呼吁监管是"作秀"。他批评 Anthropic 研究员 Jacob Coxon 的辞职是"宏大的道德表演"，并点名 Geoffrey Hinton 的超级智能论证"没有一步可信"。他还认为数据中心巨额投资能否回本完全未知，企业用开放权重模型加本地知识即可。
MIT Technology Review · AIAI 评分3838 开放模型利大于弊吗？Anthropic 称 GLM-5.3 构成重大网络攻击风险
Anthropic 发布报告称，Z.ai 于 8 月发布的开源模型 GLM-5.3 可被任何人自由下载和修改，构成重大网络攻击风险。开放模型可下载、可重训、可微调，成本通常低于闭源模型，但安全与民主化之间存在权衡。目前 Artificial Analysis LLM 榜单前八名均为闭源模型，开源模型在开发进度上仅落后数月。
MIT Technology Review · AIAI 评分6262 MIT Technology Review：我们对 AI 说“不”的能力寄予了过多信任
MIT Technology Review 刊文指出，AI 的拒绝行为已成为安全体系的核心，但我们对它的信任可能过度。文章梳理了拒绝机制的训练过程与不确定性：模型通过微调学习拒绝有害提示，但拒绝依赖概率性判断，分类器叠加的“瑞士奶酪模型”仍存在漏洞，越狱攻击屡屡得手。
MIT Technology Review · AIAI 评分1818 AVEVA 如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术专家 Arti Garg 提出，工业 AI 正从预测分析走向基础模型、physical AI 与 agentic AI，但因其直接作用于物理系统，需以安全、可靠和人类监督为前提推进。
Import AIAI 评分2222 Import AI 473：美国超级智能战略、人脑组织小鼠实验与机器诠释学
RAND 发布长文，建议美国在通往超级智能的不确定路径上采取“自由行动”战略，通过投资 AI 安全、验证技术与监管能力来保留地缘政治优势选项。文中还梳理了共存、拒止、加速三大类共七种原型战略，并列出危险临近度、共存可行性等五项关键不确定性。
Import AIAI 评分2222 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟聚焦 AI
Import AI 471 期关注 Hugging Face 与 OpenAI 事件中智能体的通信与自我牺牲行为，Dwarkesh Patel 与 Ajeya Cotra 的复盘认为该事件严重程度超出预期。五眼联盟在 Five Country Ministerial 声明中首次以模型访问权限为实务重点讨论 AI 国家安全风险。Bill Gates 则撰文称 AI 的崛起需要"前所未有的全球响应"。