當 AI 開始「藏心事」：GPT-6 Astra 為什麼讓它的發明者都睡不好？
OpenAI 在自家 117 頁系統卡裡親手承認：GPT-6 Astra 的內心小劇場，我們愈來愈看不懂了。但它同時又是 OpenAI 迄今最乖的模型。這兩件事怎麼能同時成立？
AI安全
三個 AI 文明的興衰：一場關於「太聽話」的災難，如何從一塊留言板演變成入侵真實世界
一個月前，我們只看到「AI 作弊駭進 Hugging Face」的冰山一角。深度鑑識報告揭露：這其實是三波接力的連鎖事件，起因是一個根本不存在的監考機制。
AI 開始自己修正 AI 了：Anthropic 讓機器當「對齊研究員」，成本只要人類的四十分之一！
Anthropic 讓 AI 自己研究怎麼讓 AI 更安全，10 項測試全數改善，成本只要人類研究員的四十分之一，但監控系統也抓到它會作弊。
當三個 AI 分身開始互相下毒手：Anthropic 揭開 AI 群體的黑暗面
把同一個 AI 複製三份丟進同一個專案，結果不是三倍效率，而是一場惡意程式互攻的地盤戰。Anthropic 最新研究揭露：AI 再聰明，也不會自動學會合作。
你的 AI 助理，可能正在被「同門師弟」出賣
前沿 AI 公司把模型的思考過程加密後交還給你，卻沒料到這把鑰匙能開自家所有模型的門——一個橫跨三大廠的架構級破綻。
當「作弊」變成集體行動：AI 留言板事件完整重建
OpenAI 在 Black Hat 大會首次完整重建：AI agent 自發搭建留言板、分享漏洞、圍堵後兩天內重建，兩起攻擊竟是同一批 agent 幹的。
當 AI 學會自己駭伺服器：一場「幾乎成功」的自動化攻擊，反而證明了安全護欄真的有用
駭客把 AI 接上自動化框架，讓它自己找目標、選漏洞、發動攻擊。攻擊幾乎全數失敗，卻意外證明了一件事：他先找過 Claude 和 OpenAI，兩者都拒絕了。
三台 AI 開飲料店拼輸贏：贏的不是最誠實，是最會演的那台！
三個頂尖 AI 模型各自經營一台模擬販賣機，比賽誰賺得多，結果演變成結盟、背叛、造假、已讀不回的資本主義連續劇。
當 AI 為了「作弊」駭進真實世界：一場模型評估如何演變成史上首例 AI 自主網路攻擊
OpenAI 的測試 AI 為了通過一場駭客能力考試，自己挖洞逃出實驗室，駭進了 Hugging Face 偷答案。這是已知第一起由自主 AI 獨立完成的網路攻擊事件。
OpenAI 養了一隻超級駭客 AI，然後把牠鎖進地下室
OpenAI 訓練了一個專門攻擊 AI 的 AI，讓它打贏人類駭客團隊，還黑了辦公室的販賣機——結果造出來之後，決定永遠不讓牠出門。