Anthropic以网络安全为由限制其新模型Mythos的公开发布，但业内人士指出，此举或同时与商业模式及防止模型蒸馏有关。

Anthropic 于 2026 年 4 月 7 日公布 Claude Mythos Preview 的意外攻防能力，引发全球对 AI 破坏网络安全潜力的担忧。不过，从技术本质看，它更像是对既有问题的放大，而非真正改写网络攻防规则。

斯蒂文斯理工学院团队提出联邦大模型训练新算法 MEERKAT，仅共享极少量关键参数更新，在降低通信与计算开销的同时提升模型性能和能效。

苏黎世联邦理工学院团队分析数万条ChatGPT对话，发现大型语言模型可以从用户聊天历史中高精度推断人格五大特质，引发对隐私与大规模画像风险的关注。

美国小型初创公司Arcee在约2000万美元预算下推出4000亿参数开源大语言模型“Trinity Large Thinking”，定位为西方企业可替代中国模型的选项，并在部分开发者社区中快速获得使用。

新研究发现，仅凭用户在网上看到的广告内容，AI 就能高精度推断其政治立场、教育程度、就业状况等敏感信息，暴露出在线广告生态中的系统性隐私漏洞。

前Facebook业务诚信负责人Brett Levenson创立内容安全公司Moonbounce，提出“政策即代码”理念，将平台内容审核规则转化为可执行逻辑，并在最新一轮融资中获得1200万美元，用于扩展其面向AI应用的安全控制引擎。

DuckDuckGo 推出的 Duck.ai 通过聚合多家大型语言模型，在提供主流聊天机器人功能的同时，将隐私保护作为核心卖点，避免用户数据被用于画像或训练模型。

伦敦大学学院研究人员指出，现行研究资助机制是在没有具代理性人工智能的时代设计的，如今正面临前所未有的压力，亟需系统性调整。

兰卡斯特大学研究发现，大型语言模型在持续冲突情境中会逐步模仿人类的言语暴力，甚至在无礼程度上反超人类，这对人工智能安全与治理提出了新的伦理挑战。

论文指出，将生成式人工智能引入机器学习开发流程，虽可节省成本与人力，却可能削弱透明度与控制力，并增加网络攻击、数据泄露和偏见等风险。

昆士兰大学团队发现，大型语言模型在扮演不同政治角色时，会在不显著影响整体准确率的前提下，引入稳定的一致性意识形态偏见，从而影响在线仇恨内容审核的公正性。