OpenAI 安全报告执笔人辞职：「试错的时代该结束了」

在 OpenAI 工作三年半、为 12 次前沿发布执笔 system card（随模型发布的安全报告）、并参与起草 Preparedness Framework（OpenAI 用来判定模型何时危险到需要额外防护的规则）的 David Robinson 辞职，在《大西洋月刊》发表题为《I Quit OpenAI Because Its Culture Is Broken》的文章：「迭代部署」路线注定周期性出事故，前沿实验室应该像核电站和繁忙机场那样，靠层层冗余和耗时的规划来运转。这是 OpenAI 安全团队近期动荡的延续，此前已有安全研究员被裁、新模型发布被搁置的报道。这封辞职信很难被一笔带过：说流程失守的人，正是过去负责安全报告、参与制定规则的人。

Anthropic 与 Accenture 各投 10 亿美元做「嵌入式评估」

Anthropic 宣布与 Accenture 合作推进嵌入式评估：外部评估人员以接近员工的权限常驻公司内部，可以看模型在训练中成形、追踪构建和部署决策、直接约谈员工，工作覆盖模型评测、红队、对齐评估和防护测试，两家公司各自计划未来五年投入至少 10 亿美元。资金是最微妙的一环：行业还没有现成的出资标准，初期由 Anthropic 直接付钱给 Accenture，等于被评估方给评估方发工资；Anthropic 表示正在与 METR 等非营利机构商谈由对方自筹资金运作的试点。即便如此，这比事后拿 API 跑基准的第三方评测深了一层：评估对象从产出的模型，变成了造模型的过程。

Anthropic 官方指南：怎么用好 Opus 5.5

Anthropic 官方博客的 Opus 5.5 使用指南（作者 Addy Osmani）近日在 Hacker News 上引发热议，要点：一条消息给足完整任务并写清「做完」的标准；删掉「think carefully」这类口头禅，模型本来就会在每次回复前推理；用 CLAUDE.md 划定它该停下来问你、还是自己继续的边界；长任务让它把任务清单写进文件；大型审计和迁移用子 agent 并行。整份指南几乎不谈措辞技巧，谈的全是自主权的边界管理。你调的不是句子，是停机条件。

AWS 回应数据中心抵制潮：不再签保密协议，五年投 10 亿美元

AWS CEO Matt Garman 发文回应美国多地对数据中心的抵制（争议点包括水耗、电价、备用发电机污染，以及用 NDA 保密协议让地方政府在许可敲定前无法向居民披露项目），宣布不再与合作的政府机构签 NDA，同时推出五年 10 亿美元的「Built Together」社区计划：免费社区大学学位，并给 300 多所学校、3 万多户家庭做节能改造。他把水耗和电价批评称作「迷思」，并警告全美酝酿中的 100 多项数据中心暂停令会让美国在竞赛中自毁前程。两点保留：放弃 NDA 只覆盖政府机构，且公告没说既有协议是否终止（微软约半年前宣布同类政策时，连既有 NDA 一并终止了），透明化正在从加分项变成算力扩张的入场券。（另见 TechCrunch）

Stanford HAI：开放权重不等于开源

Stanford HAI 主任 James Landay 撰文区分两个常被混用的概念：开放权重只是「开放分发」，你能下载模型文件，但看不到训练数据、训练代码和构建过程中的决策；真正的开源应对齐 Linux 基金会 Model Openness Framework 的「Open Science」档，把训练代码、训练数据（或可审计的数据说明）和工具链一并放出。他的落点是让大学牵头做全程公开的前沿模型研发。对科研而言要害在可复现性：拿不到数据和训练配方，「模型为什么这样」就无从回答，而这恰是对齐研究最需要回答的问题。

研究速递

Transformers Stop Thinking Too Early, and a Tiny LoRA Fixes It

13 个预训练模型在上下文中追踪引用链（第 N 行引用第 M 行，逐级回溯）时，可靠深度只有 1.4–3.6 行；作者只在某个靠前的层训练一个 rank-8 的 LoRA、其余权重全部冻结，就把 Qwen3-8B 在 24 行链条上的精确准确率从 15.5% 提到 99%，训练更久可达 50 行。机制分析显示这个 LoRA 启动了一场「接力」：每行把自己的链条身份沿中间层传下去，冻结的注意力头顺着接力逐级读得更远——只要一个小小的 adapter 把机制激活，冻结的组件就能自己承担这套计算。做长上下文、可解释性或 post-training 的研究者值得点进去：你的任务里可能也藏着这种一个小 LoRA 就能解锁的「深度浪费」。

今日一句话：OpenAI 的安全报告执笔人用辞职信说内部流程靠不住；两周前，Anthropic 已经给外部评估员发了工牌。一笔合作还谈不上行业转向，但方向是清楚的：从「我说我安全」走向「有人驻场盯着」。