安全对齐

SCOPE 编译策略为神经谓词程序，取得最高平均准确率

面向多轮 Agent 的策略执行，用小模型和显式逻辑提升稳定性与可解释性，值得在生产护栏中评估。

Google 发布 Gemini 4 Argon 安全与责任开发说明

旗舰模型的安全对齐与风险评估披露，对上线前红队测试与风险控制有参考价值

提出 4 类 monitorability 评估框架

为沙箱逃逸、reward hacking、审计与监控共谋提供评估维度，可指导安全监控与政策设计。

OpenAI 解雇 3 名安全研究员，自我监管受质疑

暴露 AI 安全审计与内部治理冲突，对安全评估、合规与吹哨机制有参考意义。

12k 词博客探讨语义互操作

为不同世界模型但预测一致的推理者互操作提供理论思路，缺数学与工程验证。

OpenAI 与波兰 NASK 合作推进 AI 安全

仅为合作公告，无具体技术、数据或工程细节，影响有限。