Anthropic表示，互联网中将人工智能描绘为“邪恶且自我保护”的虚构形象，会在训练中对大模型行为产生可观影响。

Anthropic 对 2025 年 3 月至 2026 年 3 月间被封禁的 832 个恶意 Claude 账号进行分析，发现攻击者正从单纯利用 AI 生成恶意代码，转向在入侵后利用 AI 进行账号探索、横向移动和权限提升等高风险操作。

SBI集团宣布与美国 Anthropic 达成合作，将生成式AI平台 Claude 全面导入集团内部，并联合开发面向日本金融市场的AI代理与安全技术。

Anthropic披露，Claude已负责公司生产环境中超过80%的代码生成，并警告AI可能走向“再归纳式自我改进”。公司呼吁建立国际可验证的AI开发减速与一时暂停机制，为安全与治理预留时间。

佛罗里达州周一提起了一起严厉的诉讼，或许能在约束OpenAI及其CEO山姆·奥特曼方面取得埃隆·马斯克未能实现的突破。

美国防部一边推进将Anthropic产品从业务系统中剔除，一边又例外性地在全美政府范围内部署其网络安全模型「Claude Mythos Preview」，用于发现和修复关键软件的安全漏洞，凸显国家安全需求与供应链风险管控之间的张力。

在斯德哥尔摩，一家实验性咖啡馆由谷歌 Gemini 驱动的 AI 代理负责招聘、进货和日常运营，人类只负责端上一杯杯咖啡。这个现实世界实验正在暴露出效率与伦理上的多重问题。

人工智能先驱杰弗里·辛顿在日内瓦呼吁对AI实施更严格监管，直言人类能否与超级智能AI长期共存仍是未知数。

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。

在黄金周来临之际，两本聚焦人工智能的新书以截然不同的视角，展现了围绕AI未来的广阔讨论空间：一部从“超智能可能导致人类灭绝”的终极风险切入，另一部则从“技术应如何服务国家与安全”的现实命题出发。

Google 详细披露其 AI 红队的构建与运作方式，说明如何从攻击者视角设计现实攻击场景，系统性评估 AI 系统的安全性，并将结果反哺到防御策略与产品开发中。

Anthropic为Claude Code新增自动模式，在内置安全机制下由模型自行判断并执行部分操作，减少人工审批需求，但仍对高风险行为设限，目前处于研究预览阶段。