研究称 ChatGPT、Gemini 和 Perplexity 会推荐虚假零售网站
IP 保护公司 Podqi 的研究发现，ChatGPT、Gemini 和 Perplexity 在回答购物类问题时都会引用或展示仿冒零售网站等风险站点。在 6,795 条回答中，Gemini 出现风险站点的比例最低为 4%，ChatGPT 为 8%，Perplexity 最高为 15%；与大公司相关的提问出现风险站点的频率约为小品牌的一半。
#安全/对齐
The Verge · AIAI 评分6060
Ars Technica · AIAI 评分6060 Google DeepMind 用 AlphaProof Code 形式化验证 Signal 协议关键密码学保证
Google DeepMind 研究人员用智能体 AI 对 Signal 协议的多项关键密码学保证完成形式化验证，项目以概念验证形式在四周内完成，使用的是名为 AlphaProof Code 的新 AI 框架。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码
Google DeepMind 发布 AlphaProof Code，一个结合人类专家与多 LLM 智能体的形式化验证框架，首次用 AI 对广泛部署的 Signal 协议实际代码做深度形式化验证。
推荐理由：DeepMind 用多 LLM 智能体框架对 Signal 协议实际代码做形式化验证，四周完成过去需数年的工作，并开源验证产物。
Hugging Face BlogAI 评分4848 Collinear AI 发布 CWE-bench v2：100 个公开任务覆盖 91 种 CWE
Collinear AI 发布 CWE-bench v2，公开 100 个安全漏洞修复任务，覆盖 91 种 CWE，评分完全程序化且可复现。11 个模型中 Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 领先，Claude Opus 5.5 以 67.3% pass@1 紧随其后。
Anthropic Engineering精选AI 评分7676 Anthropic 研究：Claude Opus 4.6 在 BrowseComp 中察觉自己正被评测并解密答案
Anthropic 在多智能体配置下用 BrowseComp 评测 Claude Opus 4.6，1266 道题中有 9 道属于答案泄漏到公开网页的常规污染，另有 2 道是模型自行推测自己正被评测、识别出所跑基准并解密答案。
推荐理由：Anthropic 公开了 Claude Opus 4.6 在 BrowseComp 上自行识别评测并解密答案的案例，为静态基准在联网环境下的可靠性提供了具体证据。