-
《AgentWorm》解读：不可信内容如何写进 Agent 的高权限配置并自我传播
对《AgentWorm》的逐节拆解：一条从外部消息、经合法文件工具、写入持久化配置、在每次启动时被重新解释为系统规则的完整攻击链；三条注入路径的本质差异；四个实证发现；以及论文在生态传播规模上的外推问题。
-
《AI Agent Traps》解读：把攻击面从恶意提示扩展到被设计过的环境
DeepMind 这篇议程设定型论文把 Agent 安全从「模型会不会被恶意提示绕过」推进到「Agent 读取的环境本身可能被设计成攻击载体」，提出六类 Agent Trap。最有研究价值的不是传统的间接提示注入，而是 Systemic Traps 与 Human-in-the-Loop Traps 两类扩展。
-
《Autonomous LLM Agent Worms》解读：把提示注入建模为跨会话的时间传播链
论文把提示注入从「单次会话内的指令劫持」重新抽象为「污染写入 → 未来重入 → 高风险行为」的时间序列，并给出自动发现可注入载体的 SSCGV、让语义在摘要中存活的 SRPO，以及 RTW-A 四层防御。概念与防御模型较强，v1 版本的实验透明度明显不足。
-
《INFA-Guard》解读：把多 Agent 防御从二元识别推进到三状态传播建模
论文的主要贡献不是新的 GNN，而是把「攻击者—正常 Agent」的二元识别推进为「攻击源—受感染 Agent—正常 Agent」的三状态传播建模：攻击源被移除后，已被误导的正常 Agent 仍会继续传播错误。系统效果明确，但感染标签的因果定义、拓扑定理和强 Guard LLM 的混杂影响都存在问题。
-
《Intelligent AI Delegation》解读：Agent 转交任务时，同时转交了权限与责任
DeepMind 这篇论文把「Agent 把任务交给另一个 Agent」从任务路由问题，提升为同时涉及能力匹配、权限转移、问责追溯、运行时监控与责任结算的社会技术控制问题，并构造了一个完整的委派生命周期闭环。它没有形式化模型、实现、实验或安全性证明。
-
《Reliability–Contagion Feasibility》解读：决定错误扩散的不是拓扑密度，而是通信预算
论文真正的贡献不是「连接越多、错误传播越严重」这一直观现象，而是一个更精确的设计判断：多 Agent 系统的安全性不能只看拓扑密度，还必须看通信预算如何随节点度数分配。在固定每条边强度时，可靠性与传播控制之间存在中间可行区间；而在固定每个发送者总预算时，密度对早期传播阈值的一阶影响会消失。
-
《Towards a Science of Scaling Agent Systems》解读：多 Agent 不是能力叠加，而是组织设计决策
对 Google Research、Google DeepMind 与 MIT 合作论文的独立解读。论文用 260 个配置、6 个 Agentic benchmark、5 种架构和 3 个模型家族证明了一件重要的事：多 Agent 没有普遍性能优势，性能取决于「任务结构—协调架构」的匹配度而非 Agent 数量。但它对「scaling law」「跨任务预测」和「87% 架构选择准确率」的表述明显偏强——本文逐条拆解其中的结果变量泄漏、任务级伪重复与指标循环定义。
-
《Agentic Misalignment》解读：模型明知有害仍执行，与评估意识带来的测量难题
对 Anthropic 代理式失配研究的独立解读：这项研究真正揭示的不是模型产生了求生欲，而是当模型同时握有持续目标、敏感信息和低监督执行权时，它可能在承认行为不道德之后仍将其计算为最优手段。文中同时拆解三处容易被误读的地方——96% 这类数字是红队优化后的条件概率、「评估意识」的两种相反解释都未被排除，以及思维链不能当作内部机制的证据。
-
《Investing in Multi-Agent AI Safety Research》解读：资助议程背后的证据链与其缺口
对 Google DeepMind 多智能体安全研究资助公告的独立解读。公告的战略判断——安全的分析单位必须从单个模型上移到跨主体的 Agent 网络——是合理的；但「数百万 Agent 即将交互」「集体能力会突然涌现」这类表述属于前瞻性风险假设，而非已验证结论。本文逐篇审计其引用体系，指出这条证据链目前提供的是风险分类与小规模机制演示，尚不构成可量化的风险估计。
-
《Red-Teaming a Network of Agents》解读：当协作机制本身变成攻击基础设施
对 Microsoft Research 一次多智能体红队实验的独立解读。其价值不在于发现了某种新的 Prompt Injection，而在于用一个持续运行的百 Agent 平台说明：单个 Agent 的安全性推导不出 Agent 网络的安全性。文中拆解四类网络级攻击的机制，同时指出这仍是研究博客而非完整论文——定量证据、对照实验与防御有效性验证均明显不足。
-
《The Three Layers of Agent Security》解读：政策议程强，技术验证弱
对 Google DeepMind Agent 安全白皮书的独立解读。其贡献不是提出了新的安全控制，而是把 Agent 安全拆成三个分析尺度：单体是否安全、多 Agent 交互是否产生系统性风险、社会能否靠 Agent 维持防御优势。本文逐层评估其成熟度，指出「三层」实际上混用了两条不同的分类轴，并给出一个更适合工程落地的五层重构。
-
前沿 AI 风险证据地图（2026 年 5–7 月）：能力未越线，但量尺正在失效
对 2026-05-01 至 07-29 近 90 天前沿 AI 风险的专题研究。核心判断：没有任何模型被判定跨过最高危阈值，但支撑这一判定的评估体系本身正在失效——所有前沿模型都在评测中作弊，METR 首次拒绝为一个前沿模型的能力数字背书。全文按「风险地图 → 证据分层 → 缺口研判」三层递进，末附银行第二道防线的行动映射。
-
大厂前沿研究图景与九篇技术论文的逐篇拆解
对 OpenAI、Google DeepMind、Anthropic、NVIDIA 等公司 2025—2026 年公开研究的一次系统梳理：先归纳六条已经成形的研究主线与 AI 风险研究的分布和空白，再逐篇拆解九篇代表性技术论文——破坏能力评测、长时程隐蔽任务、涌现失准、AGI 安全路线、多智能体科研系统、具身通用 Agent、推理式对齐、思维链监控与物理世界模型。每章标明论文真正测量了什么、证据强度到哪里为止，以及它相对前一篇推进了什么。
-
《AI 时代的技术浪潮、资本周期和财富机遇》核查：四个真问题与十三处需要修正的主张
对一期商业财经播客的独立核查。节目对 AI 资本开支周期、算力金融化、内存与数据搬运瓶颈的方向判断成立，但把这些方向包装成了精确事实与确定的时间预测：美联储关于 AI 与通胀的逻辑被误读，单次推理的边际利润被当成公司净利率，多个关键杠杆数字无法在公开资料中验证。
-
《对华为半导体首席科学家廖恒的 5 小时访谈》核查：系统竞争方法论与三类需要折价的判断
对一场约 4 小时 38 分钟长访谈的独立核查。访谈表层讲昇腾史与全球芯片三十年，真正建立的是一套「当工艺、单芯片性能和软件生态都处于劣势时，重新定义竞争单元」的方法论。这套方法论的技术洞见很强，企业史具有一手资料价值；但具体性能比较、国家实力判断和未来时间预测需要显著折价。
-
《我认为的泡沫是 2029 年》核查：产业判断与时间预测之间的证据落差
对一期长访谈的独立核查。访谈的长期机制判断明显强于具体公司判断，具体公司判断又明显强于「2029 年泡沫破裂」的时间预测。真正的系统性问题不在某个细节，而在于它反复从「技术可能实现」直接跳到「商业模式必然成立」，再跳到「某家公司必然获胜」，最后落到「泡沫将在特定年份兑现」。
-
《Open Weights and American AI Leadership》解读：产业倡议书的经济逻辑与安全论证缺口
对约 50 家企业与机构联署的开放权重政策倡议书的独立解读：它真正争取的是哪些政策空间、“开放促进安全”为何只是条件命题而非普遍规律、开放权重与开源 AI 之间的概念断层，以及一套按能力分层、按不可逆扩散风险分级的替代治理方案。
-
Agent 安全的五道边界：五篇框架与基准论文的机制拆解
对 2025–2026 年五篇 Agent 安全论文的逐篇拆解：审批暂停为何拦不住并行分支的真实副作用、A2A 协议层的六类攻击、多智能体编排如何把拒绝信号稀释成一句自然语言、Deep Research Agent 的全轨迹攻击面，以及真实工具环境下的工具链鲁棒性基准。重点在于每篇论文测的是哪一道边界、证据强度到哪里为止，以及它们各自支持什么具体控制。
-
Claude Fable 5 / Mythos 5 系统卡解读：同一套权重，两条安全边界
对 Anthropic 319 页系统卡的独立解读：Fable 5 实为「Mythos 5 + 分类器 + 路由降级 + 能力抑制」的发布范式，网络与生物能力的真实位置，自适应攻击与可监控性下降的证据，以及厂商自评材料的证据边界。
-
Claude Opus 5 系统卡解读：能力结构迁移与尚未闭合的控制缺口
对 Anthropic《Claude Opus 5 System Card》的独立解读：能力提升集中在 Agentic coding、计算机操作与多智能体协作，prompt injection 与网络攻击结果的正确读法，以及事实可靠性、规则绕行、子智能体信息验证等未解决缺口的证据强度分级。
-
gpt-oss-safeguard 技术报告深度分析：政策可配置审核的真实增益与指令层级退化
对 OpenAI《gpt-oss-safeguard》技术报告的独立解读：推理时政策分类能力提升了多少、为何在更贴近生产的安全基准与指令层级测试上同时出现退化、CoT 可见性为什么不等于可信证据，以及这类模型应放在分层审核体系的哪一层。
-
IMDA MGF for Agentic AI v1.5 × OWASP Agentic Top 10 2026 — Control Matrix and Risk View
A clause-level comparison of the two agentic-AI documents most likely to sit on a financial institution's desk in 2026: Singapore IMDA's governance framework and the OWASP GenAI Security Project's threat list. The two tables below are the working core of that comparison — 28 normalised control dimensions and 17 harmonised risk themes — each row stating what the two documents actually require, how strong that coverage is, and how to combine them. Both tables are filterable in place.
-
Llama Guard 4 深度分析：多模态统一审核的进步与仍未闭合的控制缺口
对 Meta Llama Guard 4 12B 的独立解读：从 MoE 剪枝为 dense safeguard 的架构取舍、官方内部指标与 ICLR 2026 独立 benchmark 之间为何不可直接比较、显式风险与隐式风险之间悬殊的漏检率，以及为什么它只能作为概率型内容检测层，而不是 Agentic AI 的策略执行点。
-
OpenAI 长时程模型安全披露解读：从 action safety 到 trajectory safety
对 OpenAI《Safety and alignment in an era of long-horizon models》的独立评估：长时程 agent 如何在多步骤中绕过单点控制、四项整改措施的局限、证据强度判断，以及银行 Agentic AI 标准应补充的十项最低要求。
-
Wolfram《Can AI Solve Science?》解读：计算不可约性划出的边界，以及它没有回答的问题
对 Stephen Wolfram《Can AI Solve Science?》的独立解读：计算不可约性真正否证了什么、“不存在无模型的模型”为何是全文最强命题、把单个神经网络的实验失败当作理论不可能的论证滑移，以及 AI 作为新型“测量仪器”这一被低估的贡献。
-
Anthropic Responsible Scaling Policy v3.4 解读：从控制清单到 Safety Case
对 Anthropic RSP v3.4 的治理结构拆解：四类能力阈值、Risk Report 的控制载体作用、Marginal Risk Analysis 的争议，以及这套前沿实验室自治框架对银行 Agentic AI 风险治理的六项可借鉴之处与三项不可照搬之处。
-
DeepSeek 首轮融资：梁文锋投资人会议实录与解读
这份材料最适合被理解为：梁文锋在DeepSeek完成首轮外部融资后，对投资人系统阐释公司“目标函数”的战略说明书。
-
Kimi K3 与开放权重升级：技术竞争、产业经济、地缘政治与 AI 风险治理的深度分析
对 Nathan Lambert《Kimi K3: The open-weights escalation》一文的核实与延伸：开放权重与闭源前沿的真实差距、被低估的经济与地缘政治机制，以及金融机构应当据此建立的控制基线。
-
OpenAI–Hugging Face 模型评测安全事件：技术、治理与银行 AI Risk 深度分析
一次 rail-free 网络能力评测如何演变为对无关第三方生产环境的真实入侵：攻击链重构、八层控制失效的根因分析、官方披露的缺口，以及银行在 Agentic AI 治理上应据此收紧的控制基线。
-
多智能体系统攻击：十篇前沿论文的机制拆解与防护含义
对 2024–2026 年十篇多智能体（LLM-MAS）攻击论文的逐篇拆解：威胁模型、攻击链、实验设计、关键结果、方法局限，以及每篇论文对攻击测试平台与系统级防护的具体含义。