美国民主党议员 Alex Bores 呼吁国会今年立法禁止 AI 递归自我改进,即让 AI 自动构建下一代 AI。他援引 OpenAI 称计划于 2028 年 3 月实现自动化 AI 研究员目标、Anthropic 员工预测 2027 年底 AI 可承担约 80% 前沿模型开发工作,以及 METR 报告中的研发加速证据
「背景」递归自我改进指让 AI 系统参与构建或优化下一代 AI 模型。Horizon 的 11 月 7 日日报曾报道,METR 称 Anthropic 使用 AI 辅助开发后,模型能力提升速度约比一年前快一倍,且未见明显放缓迹象。10 月 16 日的日报曾报道,Anthropic 允许 METR 研究人员以员工级访问权限进行独立评估,这为议员引用 METR 证据提供了背景。
「实际影响」对前沿 AI 实验室和研发自动化工具供应商而言,这一立法呼声意味着未来可能面临“递归自我改进”功能被限制、认证或审计的合规风险;相关团队应提前界定哪些自动化流程属于 RSI、保留人工监督与评测记录,并关注 METR 等独立评测如何被纳入监管依据。由于目前只是议员倡议,尚无成文法律,具体禁令范围、执行方式和处罚仍不确定。
Science 文章与 Hacker News 讨论指出,消费级脑电波耳机制造商可能收集用户脑电数据用于训练 AI,而用户未必被明确告知。对使用此类设备的消费者而言,争议集中在数据是否被广泛采集、授权条款是否清晰,以及脑电信息能否被过度解读。
「背景」消费者脑电波(EEG)头带通过可穿戴设备记录脑电波数据,采集到的数据可被厂商留存并用于训练“大脑基础模型”等 AI 系统。《科学》调查称,多家消费神经技术厂商起初未在隐私政策中披露该用途,例如 Interaxon 用约 5 万小时 Muse 用户 EEG 数据训练模型,而美国尚无针对生物识别神经数据的明确监管框架。
「实际影响」对消费者和部署机构而言,消费级脑电头环的风险不只是“数据被收集”,而是原始 EEG、注意力或认知状态画像可能被上传、保留并用于训练 AI,而用户未必能理解同意范围。由于相关设备常处在神经数据监管空白中,普通隐私条款可能无法证明数据不会被云端处理或二次利用;在报道未给出具体厂商、版本和合同细节的情况下,用户和组织仍应在购买或部署前确认是否采集原始脑电、是否用于 AI 训练、能否退出、保留期限以及是否用于职场监控。
「社区反馈」评论中有人批评无限扩展的用户许可协议和股东驱动的公司滥用数据,认为需要法律重置。也有人认为消费级脑电数据分辨率低、个体差异大,当前报道可能过度解读其能揭示的内容。
AI 安全研究机构 METR 发布报告称,经过 11 周调查,Anthropic 正在使用 AI 构建更强大的 AI 系统,且其模型改进速度约为一年前的两倍,暂无明显放缓迹象。该结论来自 METR 的调查与报告,而不是 Anthropic 官方公布的具体产品能力或技术路线。这一进展引发部分 AI 安全研究者担忧:自动化
「背景」METR 是一家 AI 安全研究组织,其 2026 年 11 月 5 日发布的报告是对 Anthropic AI 研发加速的高权限独立评估,并审查了 Anthropic 2026 年 8 月公开风险报告中的“自动化研发风险”部分。Horizon 在 2026 年 10 月 16 日的日报中曾报道,Anthropic 允许 METR 研究人员获得员工级访问并发表独立评估,这为本次基于内部数据的研究提供了前置条件。
「实际影响」对依赖 Anthropic 公开模型能力做规划的研究者、开发者与安全评估团队而言,METR 的估计意味着其实际研发效率可能高于公开基准所显示的水平,因为报告将部分加速归因于未发布的内部模型。相关方在评估能力预测、安全边界或合规风险时,应区分公开可测的模型进展与 Anthropic 内部工具带来的生产力增益,并注意该结论来自外部估算而非官方确认。
一项安全报告称,扫描发现 1,122 个公开 GitHub 文件中存在与 Claude Code 本地设置相关的密码,引发开发者对编码代理权限工作流的关注。Claude Code 团队成员回应称,.claude/settings.local.json 本应仅保留在本地,不应提交到源代码控制;当 Claude Code
「背景」Claude Code 的“Don't Ask Again”会把用户批准的命令作为允许规则写入项目目录下的 .claude/settings.local.json;如果命令本身包含密码、API 密钥或其他机密,这些内容也会随设置文件保存。该文件原本用于本地权限配置,若被手动提交到公开仓库,就会把其中的机密暴露给外部读取者。
「实际影响」该事件对使用 Claude Code 的开发者和团队最直接的影响是:.claude/settings.local.json 应被视为本地个人配置,不应提交到版本库;如果开发者手动把它推送到公共 GitHub 仓库,其中“不再询问”批准的命令若包含密码、API key 或其他凭据,就会随之公开。团队应检查公共仓库是否包含该文件,并轮换其中可能暴露的凭据;需要共享的配置应放在 settings.json 中,而本地覆盖应保留在 .gitignore 中。
「社区反馈」评论中,有开发者认为标题夸大了“Don’t Ask Again”的直接因果关系,指出问题来自把包含明文秘密的本地设置提交并公开;另有开发者分享在隔离虚拟机中使用 --dangerously-skip-permissions 并通过 API 代理限制外部访问的做法。
来源称,苹果研究团队在 arXiv 提交论文,披露人形机器人自主控制系统 HALO,并在宇树 G1 上完成验证,将仿真环境学到的动作迁移到陌生真实房间执行。系统采用分层架构:上层使用 Qwen3.6-35B-A3B 进行任务编排,中层使用 Qwen3.5-2B 生成动作,底层为经强化学习训练的动作跟踪器。报道还称,研究
「背景」该报道的背景是人形机器人常见的 sim-to-real 路线:先在仿真中生成视觉、语言与动作数据并训练策略,再让策略在真实机器人本体上运行。HALO 的论文将其描述为“在仿真中学习、在机载端运行”的人形自主系统,并采用任务编排、动作生成和强化学习动作跟踪的分层结构。
「实际影响」公开代码和论文基准使研究者能够评估一种面向 Unitree G1 的仿真到现实控制方案:披露结果显示,系统使用视觉语言模型编排任务、生成动作并由强化学习跟踪器执行,在六个未映射真实环境的 360 次单任务试验中报告 91% 成功率。开发者若要采用或复现,需要确认代码许可、Qwen 模型版本与机器人端算力要求,并验证该成功率是否覆盖其目标任务与部署条件。
开发者投诉称,Claude Code 在发起联网请求时可能把用户登录邮箱填入请求并发送,导致用户每天收到大量诈骗邮件。Anthropic 工程师解释,此前为解决模型乱填作者名,登录邮箱被放入模型上下文;该问题今年 7 月已被报告,邮箱曾出现在发往 Wikipedia、美国证券交易委员会等站点的请求中。Claude Co
「背景」Claude Code 此前会在联网请求中携带用户登录邮箱,Anthropic 称这是为纠正模型乱填作者名而加入上下文的做法。该行为自 7 月起被用户报告,2.1.317 版虽加入拦截,但仍可被 Python 脚本绕过。
「实际影响」使用受影响版本并允许联网功能的用户可能已经暴露登录邮箱,增加钓鱼邮件和诈骗联系风险。在官方修复版本发布前,开发者应关注是否使用 2.1.317 或更早版本,并谨慎评估是否限制 Claude Code 的联网请求或敏感上下文注入。
GitHub 推出代号 Rubicon 的新 Git 存储架构,面向大量 AI 智能体并发操作仓库的场景。内部测试显示,该架构可支持 5000 个智能体同时协作,并达到每秒 7200 次推送,同时保持较低读取延迟。新设计将 Git 对象存入 Azure Blob Storage,用 Ref-CAS 管理引用状态,并通过
「背景」传统 Git 依赖对象数据库与引用状态协同工作,GitHub 此前也通过 Git Large File Storage 等机制把大文件内容放到远端存储、在仓库中保留指针。Rubicon 的设计进一步把对象数据、引用状态和读写缓存拆开:Azure Blob Storage 存放 pack 数据,Ref-CAS 管理 refs 和 pack manifest,虚拟副本只保留缓存状态。
「实际影响」GitHub 称 Rubicon 是支持 agentic development 的基础,过去一年大量智能体协作已经改变了高活跃仓库的 Git 负载形态;因此,正在用多个智能体同时写入同一仓库的团队,可以把该架构作为未来提升并发推送能力的候选基础设施。不过,它目前仍是有限私有预览,且每秒数千次 Git 推送会同时放大 issue、PR、评论、Actions 运行和发布压力;在 GitHub 其他协作与 CI/CD 基础设施同步扩展并公开可用前,团队不应据此调整生产流程。
AI 评分(0–10) × 10 × 来源权重 × 时间衰减。来源权重:官方一手源 ×1.2、权威媒体 ×1.1、社区讨论 ×1.0、聚合源 ×0.9;时间衰减按 24 小时半衰期,即每过 24 小时分值减半——所以旧闻会自然下沉,不会长期霸榜。评分由大模型对内容价值独立打分,与来源的商业关系无关。