Google 迈向基于联邦数据的可证明隐私学习
Google 宣布推出下一代联邦学习系统，通过结合可信执行环境（TEE）提供端到端可验证且可审计的数据匿名化隐私保证。该系统将数据访问策略公开发布至 Rekor 透明日志，加密数据仅允许在 TEE 内部限时解密运算，相关代码已在 GitHub 开源并支持可重现构建。目前 Gboard 已率先接入该架构，计算速度较上一代系统大幅提升。
#安全/对齐
Google ResearchAI 评分4545
OpenAI NewsAI 评分3939 OpenAI 迈向前沿 AI 训练安全案例
OpenAI 制定了针对前沿 AI 训练安全案例的早期指南。该指南主要涵盖技术保障措施、操作实践以及对未对齐事件的调查。
Hugging Face BlogAI 评分5959 UK AISI 携手 EvalEval 推动基准评测结果可复现
英国人工智能安全研究所（UK AISI）采用 EvalEval 基础设施公开评测结果与运行配置，推进基准测试的可复现性。该合作在 Evaluation Cards 上公开了覆盖 Claude Opus 4/4.5/4.6 与 GPT-5/5.2/5.4 等模型的评测数据，涉及 FrontierMath 和 SWE-Bench Pro 等五项基准。