别让朋友把数据喂给 AI 智能体：Meta Muse 的隐私争议
The Verge 报道 Meta 的 AI 个人助理 Muse 上线一个月下载量达数百万并登上苹果 App Store 榜首，但它会收集用户亲友的信息，而这些人无从选择退出。
#安全/对齐
The Verge · AIAI 评分6060
The DecoderAI 评分6060 AI 可解释性是否接近突破？一篇新文章让研究者意见分裂
前 OpenAI 研究者 Cammarata 发表文章称，可解释性领域最著名的多义神经元案例可能被误读，例如 InceptionV1 中同时响应猫脸和车头的神经元实际是 V 形检测器，并称在 Qwen3-32B 中约 90% 的神经元极点只有一个主要功能。
AWS Machine Learning BlogAI 评分5858 AWS 提出 Trust in Depth：让智能体获得更多自主权而不失控
AWS AI Services 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在智能体行为可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。
MIT Technology Review · AIAI 评分4242 开源模型确有实际好处，但它们能抵消风险吗？
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。开源模型可本地运行、重训、微调，成本通常低于闭源模型，并被视为防止权力过度集中的手段；但截至发稿，Artificial Analysis LLM 榜单前八名仍均为闭源模型。
MIT Technology Review · AIAI 评分5858 MIT Technology Review：我们对 AI 说“不”的能力寄予了过多信任
Arthur Holland Michel 在 MIT Technology Review 撰文指出，拒答已成为 AI 安全的核心机制，但它的运作依赖概率性分类器和难以解释的内部激活，既可能被越狱绕过，也可能被用于审查。
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 首席技术官 Arti Garg 提出以数据整合、安全护栏和人类监督为核心的负责任 AI 框架，主张 AI 应增强而非取代关键决策中的人。她援引数据称工业领域 AI 采用率近两年增长约 78%，并参与 IEEE 工作组制定覆盖电力、能源、水资源和碳排放的 AI 环境影响测量标准。