Anthropic 前沿红队发布模型二进制利用能力评估
Anthropic 前沿红队在内部 Binary Exploitation benchmark 的 100 个随机任务上评估了多个模型。结果显示 GLM-5.3 在 4% 的试验中实现了完全的控制流劫持，而 Claude Mythos Preview 的比例为 6%，表明早期模型未达到的阈值已被跨越。
#论文/研究
#论文/研究
今日 1 条Simon WillisonAI 评分6363
Hugging Face BlogAI 评分4242 ProvenanceGuard：面向 MCP 智能体的源感知事实性验证
Hugging Face 推出 ProvenanceGuard，一种针对基于 MCP 的 LLM 智能体的源感知事实性验证层。它通过保留证据来源身份，检测跨源混淆错误，在医疗场景测试中成功拦截了 138/139 个专家判定无效的声明，并准确识别约 86% 的来源归属。