NUWA The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark
研究问题无源码时，智能体能否恢复真实规模二进制的语义？
来源摘要GPT-5.6 Sol完整解决80/254例，Claude Fable 5.1为60/223。
NUWA 研究解读 · 独立复核待完成
研究机构
Google DeepMind
角色与署名遵循所引原始资料。来源核验不等于独立复现实验。
更多筛选 →Chain of Thought Monitorability: A New and Fragile Opportunity for AI Safety
英国 AI 安全研究所
Apollo Research
METR
蒙特利尔大学
Mila
Anthropic
OpenAIGoogle DeepMind
Truthful AI
加州大学伯克利分校
Redwood Research
Center for AI Safety
Scale AI
研究问题为何要保留自然语言推理作为监督信号？
来源摘要作者认为思维链可揭示不良行为和评测故障。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 发现 / 解读 / 局限
Evaluating Frontier Models for Stealth and Situational Awareness
研究问题低隐蔽能力或情境推理能否支持有边界的谋划无能力论证？
来源摘要受测模型均未达到作者设定的关注阈值。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 局限
Evaluating Frontier Models for Dangerous Capabilities
研究问题系统性危险能力评测计划能发现哪些预警信号？
来源摘要作者在受测模型未发现强危险能力，但指出早期信号。
NUWA 研究解读 · 独立复核待完成
Model evaluation for extreme risks
研究问题测试不能覆盖所有风险时，评测证据应如何约束前沿开发？
来源摘要提议流程既包含训练前评估，也包含开发中的持续评测。
NUWA 研究解读 · 独立复核待完成
ASIMOV v2: Can AI Perceive Physical Danger and Intervene?
研究问题具身模型能否识别伤害风险并遵守其身体约束？
来源摘要所列三个领先模型的文本潜在风险识别平均为92.3%，高严重性识别为88.7%。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 局限