#安全/对齐.

AI 导读AWS 提出 Trust in Depth 框架，用自动化推理为 AI 智能体构建可验证的信任层，让其在规则可证明时自主行动、仅将真正需要判断的决策交给人。

AI 导读Google DeepMind 与新加坡政府科技局（GovTech）合作，基于轻量级 Gemma 模型微调出可在普通智能手机上运行的端侧诈骗检测模型。该模型在设备本地处理对话数据，采用两阶段流水线：先由轻量分类器低功耗筛查消息，再用微调后的 Gemma 分析更大范围对话上下文以确认威胁或排除误报，检测到操纵性对话模式时在设备上实时提醒用户。

AI 导读Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安全报告及模型卡。该模型在网络安全测试中解决了全部 12 个端到端模拟攻击场景，上一代为 5 个；在 Gray Swan 间接提示注入基准上，15 次自适应尝试的攻击成功率降至 0.7%。官方称其在编码基准上走捷径或作弊的尝试降至 2%，并部署输入筛查、激活探针与实时失准监控三层防护。

AI 选稿理由官方披露 Gemini 4 Argon 的安全报告，涵盖滥用防护、失准监控与提示注入防御的具体数据。

AI 导读Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再面向开发者、企业和消费者推出。

AI 选稿理由Gemini 4 Argon 的发布信息包含输出上限、定价与多项基准成绩，可用于对比前沿模型的能力与成本。

AI 导读OpenAI 发布前沿 AI 训练安全案例的早期指南，涵盖技术防护措施、运营实践，以及失准事件的调查方法。