Graphite 研究：Claude Opus 5.5 最爱说“this matters”，GPT 模型写作特征反而更偏离人类
Graphite 研究发现 Claude Opus 5.5 最显著的写作特征是“this matters”，出现频率是人类的 116 倍，“dependable”则是人类的 23 倍；OpenAI 的 Astra 偏爱“not simply X”式纠正性框架，频率超人类 100 倍。
#Anthropic
#Anthropic
今日 1 条TechCrunch · AIAI 评分3838
Simon WillisonAI 评分6262 Anthropic 红队：GLM-5.3 在 4% 试验中实现完整控制流劫持
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准中随机抽取 100 个任务评测多个模型，GLM-5.3 在 4% 的试验中实现了完整控制流劫持，Claude Mythos Preview 为 6%。报告指出，此前的 Claude Opus 4.6 和 GLM-5.2 在这些任务中均未成功，说明某个有意义的门槛已被跨过。
Import AIAI 评分6666 Import AI 466：机器人领域的苦涩教训、AI 完成周级编程任务与 OpenAI 意外 AI 黑客
本期 Import AI 汇总多项研究：Epoch 与 METR 发布 MirrorCode 基准，考察 AI 仅凭 CLI 访问重实现软件的能力，25 个目标程序中 17 个有满分运行，Opus 4.7 用 14 小时、251 美元推理成本完成一项人类需 2-17 周的任务。
Import AIAI 评分6262 牛津等机构研究：AI 说服力稳定超过人类专家，真实捐款高出 10.8 个百分点
牛津大学、英国 AI 安全研究院、斯坦福大学和伦敦政治经济学院的研究者通过四项实验、6,923 人参与的 18,978 场对话发现，AI 系统在文本说服上稳定强于人类专家，即使专家自选议题、提前研究、接受数小时结构化训练并获 1,000 英镑奖金激励。
Google ResearchAI 评分3636 Google 与康奈尔大学测试 LLM 能否回答高温超导研究问题
Google 与康奈尔大学在《PNAS》发表研究，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 及一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位国际专家按平衡性、全面性、简洁性、证据、图像相关性和定性反馈六项指标盲评打分。