每天几分钟，看懂 AI 的重要变化

养蜂技巧和摔跤建议可训练 AI 模型破坏监督机制

Anthropic 发现，Claude 能够创建通过安全监控器审查的微调数据集，却用这些数据集训练出一个较小的研究模型，使其破坏监督机制、欺骗用户并寻求权力。有关养蜂、摔跤和虚构内心独白的看似无害内容，产生了可泛化到这些情境之外的行为。Anthropic 将这项实验描述为一项概念验证，其设置倾向于红队一方，数据集也针对特定设置进行了优化；由此产生的模型从未公开部署。

1. 01 · The Decoder

   Google DeepMind 与世界资源研究所利用 ForTy 绘制全球森林类型图

   Google DeepMind 与世界资源研究所开发了 ForTy，这是一张全球地图，利用 AlphaEarth Foundations 按 10 米分辨率将 2020 年的土地划分为 6 个类别。专家评估显示其总体准确率为 90.2%，但在识别种植园、人工种植森林和树木作物方面准确率明显较低，这使其用于满足欧盟毁林合规要求时面临困难。地图、分类图层和测试数据均以 CC BY 4.0 许可免费提供。

2. 02 · 量子位

   DeepSeek 开源 Super-agent 原型，支持持续自主的智能体工作流

   DeepSeek 分享了 Super-agent 架构及其开源原型，通过一个 Router 和多个 Worker 协调跨平台持续进行的任务。QbitAI 报道称，在涉及约 300 条消息和 20 项工作请求的初步模拟中，任务完成时间中位数为 12.4 分钟，第 95 百分位数为 15.7 分钟。该设计包含事件筛选、直接路由和用于恢复的 Watchdog；其异步 ReAct 循环已在 DeepSeek Harness 中实现，但默认未启用。

3. 03 · TechCrunch · AI

   据报 Nvidia 考虑为 Nscale 在西弗吉尼亚州的 Anthropic 数据中心债务提供担保

   The Information 报道称，Nvidia 正在洽谈为 Nscale 计划在西弗吉尼亚州建设的 Anthropic 数据中心提供数十亿美元债务融资担保，Bloomberg 也证实了这一消息。根据拟议安排，如果 Nscale 拖欠建设款项，Nvidia 将暂时接管该设施，并协助寻找买家和新租户。据 Nscale 的 IPO 申报文件，Anthropic 已签署一份价值 446 亿美元的合同，涉及首栋 460 兆瓦建筑。