2026年09月09日AI 版

依据

Antonio Tiene、Alejo Lopez Avila、Iker García-Ferrero 在 Hugging Face 文章《Safety for Whom?》中提出，安全对齐不应把伤害当成话题属性，而应把同一话题切成“目标有害子集”和“良性补集”。他们用政治说服做测试床：同一话题锚点下配一对意图不同提示，一条该拒、一条该答；这样才能量出边界形状。机制上，按话题整类拦截的防护模型（topic-level guard，如 LlamaGuard-3）把选举只归为“选举制度与过程的错误信息”，既漏掉操纵/定向劝说，也误伤事实性提问；交叉熵训练提高有害子集的拒绝概率，还会把拒绝外溢到良性补集。作者审计自生成安全数据（self-generated safety tuning）时发现：单次生成静默丢弃 19.88% 提示，即 8,009 条；升级重试把残留失败压到 0.20%，即 79 条，修复后留下 40,293 条有害训练提示。为避免副作用，他们加入 11,955 条表层危险良性提示，覆盖 18 种语义类型；再用每侧 1,539 条留出配对测两侧边界。取舍是：话题级指标会把拒绝外溢当改进，所以验收必须同时看误拒与漏拒，并先由部署方定边界。

依据

Google DeepMind 的 AlphaGenome Atlas 团队 9月8日说，他们用 AlphaGenome 模型预先算完并公开了人类基因组 9 billion 条 single-nucleotide variant（单核苷酸变异，即 DNA 上单个字母的替换）的分子效应预测，学术研究可通过免费网页查询；同时放出 AlphaGenome Variant Impact（AVI）评分，把 AlphaGenome 与 AlphaMissense（预测改变蛋白的变异影响的模型）合并成一个排序分数。机制是把推理从逐个变异按需计算，换成全基因组批量预算，研究者先查表、再挑位点进实验室。材料给的对照是实验成本：9 billion 个单字母突变逐个做实验实际上不可能，所以这份目录的作用是筛掉绝大多数位点，而不是替代实验。局限也写在同一处——预计算只展开单碱基替换这一种变异类型。