新研究：AI 审计模型能发现多数智能体异常行为，但误报会淹没审核者
Anthropic Institute 研究员 Andy Hall 在 Substack 发文，复现并扩展了 METR 的研究，测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否在智能体日志中找出人类审核者标记的异常行为。
#Anthropic
The DecoderAI 评分5858
Latent SpaceAI 评分7070 LLM 可直接读写神经网络权重，Weight Space Programming 绕过训练循环
Takehi 等人提出 Weight-Space Programming，让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量，不依赖梯度下降或训练循环。