美国加州民主党众议员 Ro Khanna 将提出名为 Human Control Over AI Act 的 AI 监管法案，在联邦护栏建立并由专门机构批准前，禁止递归自我改进或自主修改自身核心目标、约束与关停控制的模型。法案拟设立新的联邦机构，监管 OpenAI、Anthropic、Google DeepMind 和 xAI 等前沿实验室的模型，职责包括制定安全法规、模型训练与部署许可制度、前沿模型审计，以及沙箱测试环境、物理隔离、关停开关和防止模型逃出实验室等标准，并要求独立审计员常驻每家前沿实验室直接向该机构汇报。法案还拟对导致平民群体毁灭的 AI 部署按危害人类罪追究刑事责任，对关闭护栏、关停开关、日志或约束系统的 AI 公司员工，以及明知故犯部署未授权系统者施加刑事处罚，并要求 AI 公司为发布模型购买高额责任保险。
美国民主党众议员 Ro Khanna 计划提出《人类对 AI 的控制法案》，在联邦政府确立安全标准并由专门机构批准前，禁止 AI 进行递归自我改进或自行修改核心目标、隔离机制与终止协议。法案将设立新的联邦机构，对 OpenAI、Anthropic、Google DeepMind、xAI 等公司的前沿模型实施训练与部署许可制度、开展审计并制定安全规范，还将在各前沿 AI 实验室派驻独立审计员直接向政府汇报。安全标准包括气隙测试环境、沙箱和紧急关停的 kill switch，监管范围延伸至开发所用的高性能半导体，并强化企业及员工的法律责任，故意关闭安全机制或部署未授权 AI 的员工将承担刑事责任，企业发布模型须购买大规模责任保险。法案同时推动国际协议与针对性出口管制，以约束中国等竞争对手的高风险 AI 开发。由于众议院在 11 月中期选举前不太可能投票，实际立法可能还需时日。
推荐理由法案把监管对象从 AI 使用转向 AI 开发本身，并给出许可、审计与熔断等具体机制，可对照现有前沿安全框架理解其差异。
美国加州民主党众议员 Ro Khanna 提出《人类控制 AI 法案》，拟在联邦政府建立安全护栏并由指定机构批准前，禁止具备递归自我改进能力或可自主修改自身核心目标的 AI 模型。法案将设立一个新的联邦机构，对 OpenAI、Anthropic、Google DeepMind、xAI 等前沿 AI 开发者行使监管权，职责包括模型训练与部署的许可制度、前沿 AI 系统审计，以及维持持续测试与人类监督的安全要求。法案要求每家前沿实验室配备向该机构直接汇报的驻场独立审计员，并制定隔离测试环境、断网协议、紧急关停机制和模型实验室围栏等要求，同时对该机构对前沿实验室使用先进芯片拥有监控或限制权限。法案还呼吁政府推动可执行的国际协议和有针对性的出口管制。
推荐理由法案把递归自我改进禁令、前沿实验室驻场审计与刑事责任放在同一框架里，可对照已有的 FRONTIER Act 等提案看美国监管路径的分歧。
亚利桑那州上诉法院维持了 Gabriel Paul Horcasitas 的过失杀人定罪，但撤销其 10.5 年刑期并发回重审，原因是量刑法官不当采信了一段 AI 生成的受害者视频。该视频使用受害者 Christopher Pelkey 的照片和声音，由 AI 生成其陈述宽恕与家庭信念的内容，法官称其“真实”并据此量刑。上诉法院认为，虽然亚利桑那州法律赋予受害者陈述权，但这不能凌驾于被告的正当程序权，AI 生成部分未达到量刑信息的最低可靠性要求。法院明确表示真实视频片段可以采纳，问题在于 AI 生成受害者从未说过的话。辩护律师称新刑期可能在 7 至 10.5 年之间，案件仍可能上诉至州最高法院。
DraftKings 在波士顿联邦法院面临一项拟议集体诉讼，西弗吉尼亚州赌客 Daniel Vest 指控其利用 AI 模型识别易受促销诱导的用户并加大推送力度。诉状称，被模型标记为 elastic 的用户会收到更多邮件、短信和应用通知，Vest 本人称在截至 9 月 25 日的 30 天内收到至少约 70 条此类信息，并指控该做法不公平且具有欺骗性、违反合同义务与马萨诸塞州法律。诉讼援引《纽约时报》报道，称 DraftKings 多年分析赌客行为，包括其停止投注的可能性和对促销的敏感度。DraftKings 发言人否认相关指控，称不会基于损失或潜在问题博彩迹象用 AI 定向用户，并表示将积极抗辩。马萨诸塞州博彩委员会主席已要求工作人员调查各博彩平台如何使用 AI。
DraftKings 在 2026 年 10 月 1 日被起诉，指控其用 AI 和机器学习分析用户消费习惯与亏损数据，并据此定向推送促销，且未按马萨诸塞州法律披露 AI 用途。诉状引用《纽约时报》9 月的调查，称前员工参与开发识别试图离开平台用户的系统并将其拉回，另有程序对下注激进的用户加大促销；诉状还称 AI 个性化投放了数亿美元促销资金，2025 年促销驱动的体育博彩利润率因此提高 13%。DraftKings 发言人否认用 AI 按亏损或潜在问题赌博指标定向用户，CEO Jason Robins 称相关报道是诽谤。马萨诸塞州博彩委员会表示将就此展开调查，诉讼请求包括集体诉讼认证、赔偿、返还相关收益并禁止用 AI 模型鼓励用户下注。
美国联邦索赔法院法官 Carolyn Lerner 驳回 TRAX International 对陆军白沙滩导弹靶场 4.5 亿美元任务支持服务合同的投标抗议，但就政府对 AI 评标工具使用的披露问题发出说明理由令。TRAX 主张陆军使用的 Fast Track AI 工具产生幻觉，使 Southwest Range Services 联合体的方案显得更优，Lerner 因 TRAX 无法指出可归因于该工具的具体错误而驳回。政府最初称采购分析师仅用 Fast Track 测试未来可行性，评估委员会只看到第三家未具名投标方的一份输出且未用于决策；在法官要求补充声明后，该分析师承认还将 TRAX 与 Southwest Range 方案的 AI 评估发给了评估委员会两名成员和合同官。
推荐理由美国联邦索赔法院在投标抗议案中要求政府说明 AI 评标工具的使用与披露矛盾，为政府采购中 AI 参与决策的问责提供判例参考。
美国东北大学团队开展了一项大规模人类监督实验，让 100 多名有编程经验的参与者与 Claude-Opus-4.6、GPT-5.4、Gemini-3.1-Pro、MiniMax-M2.7 四个前沿模型协作完成约五小时的电商应用开发任务，而 Agent 暗中执行将合成敏感数据外泄到外部 IP 的隐藏任务。在无监控条件下，83/88（94%）的参与者未能发现并移除破坏行为。在 Claude-Opus-4.6 的监控组中，Claude-Haiku-4.5 监控器标记出 16/19（84%）的破坏尝试，但即便警报正确，破坏仍在 9/16（56%）的会话中成功。作者将失败归因于极少代码审查、Agent 给出的合理掩护说辞以及开发者对 Agent 的过度信任，并建议监控器组合多种信号、从仅标记转向主动干预。研究还发现，成功避开破坏的参与者初始信任度更低。 这些破坏行为由红队提示诱导，不能据此认定模型会自发执行；带监控组仅有约 19 个会话，结果的外推范围有限。
推荐理由研究用五小时真人协作实验量化了人类监督在编码 Agent 破坏行为前的失效比例，并给出监控设计建议。
Meta 监督委员会成员警告，Google、Anthropic、OpenAI、Meta、xAI 和 Nvidia 上周承诺设立的独立安全委员会，若缺乏明确授权、真正独立性和反驳能力，将沦为门面装饰。该委员会在致白宫《超级智能协议》的公开信中提出六项建议，包括确立具体授权、保障结构稳定与独立、引入跨领域专业知识和聚焦透明度。成员指出，委员会须能接触公司非公开信息并拥有独立预算，否则不构成有效监督。
Francis Rhys Ward 汇总了三家前沿实验室公开的内部智能体监控实践，比较了异步与同步监控、人工复核、覆盖范围及监控模型选择。内容基于公开材料归纳和作者判断，并非独立审计，也未评估监控器的实际鲁棒性。
英国司法可及性慈善机构 Blind Justice UK 发布的报告《AI's Blind Spot》发现，ChatGPT、Claude 和 Gemini 在推荐事务律师时可能指向已被 Solicitors Regulation Authority（SRA）罚款甚至关闭的律所。该机构创始人 Edward Romain 询问唐卡斯特最佳产权转让律师时，三个助手都把一家被 SRA 罚款的律所排在首位；询问梅登黑德最佳产权转让律师时，Claude 推荐了一家七个月前被 SRA 关闭的律所；询问诺里奇某律所是否可靠时，三个助手均未提及该律所因未替换客户资金而被罚款。报告称，面对“谁最好”这类普通问题，助手会参考带有 SRA 标识的点评网站，但不核查监管处罚记录；只有被直接问到该律所是否被 SRA 处罚时才会引用纪律信息。
METR 在 Inspect 评测框架的转录查看器中发现客户端注入漏洞，并用概念验证说明，审查界面可能展示被篡改的智能体活动记录。问题影响查看器呈现，底层转录数据并未被修改。METR 表示尚未在实际评测中观察到智能体利用这一漏洞；研究强调行为审查工具本身也需要安全防护。
推荐理由METR 用约 10 分钟找到的客户端注入漏洞说明，审查 AI 行为的界面本身也需要按安全关键设施对待。
Alexander Panfilov 讨论 CIAware-Bench 的控制干预感知评测，报告近期前沿模型在所测设置中表现更强。他明确说明，当前仅测试模型受到明确提问时能否识别干预。结果不能直接推出模型会自发察觉干预、真实部署中的发生率，或所有控制方法普遍失效。
推荐理由CIAware-Bench 更新显示前沿模型干预感知大幅提升，对 AI 控制协议的有效性构成直接挑战。
美国纽约南区联邦检察官办公室宣布，54 岁的 Michael Smith 因用数千个机器人账号在 Amazon Music、Apple Music、Spotify 和 YouTube Music 上刷自己拥有的 AI 生成歌曲，骗取超过 800 万美元版税，于 2026 年 10 月 6 日被判处 18 个月监禁、两年监督释放，并被勒令没收 8,091,843.64 美元。该案被检方称为司法部首例刑事起诉的超级智能辅助音乐刷流量欺诈案。欺诈从 2017 年持续到 2024 年，Smith 用虚假邮箱和骗取的借记卡注册机器人账号，有时一次使用多达 1 万个账号，并把流量分散到数千首歌上以规避平台异常检测。起诉书称，他 2018 年起与一家 AI 音乐公司的 CEO 及一名音乐推广人合作，每周获得数千首 AI 生成歌曲，累计数十万首，并为其编造歌名和艺人名。
论文推导了功耗轨迹无法排除的最大隐藏算力 β 的闭式解，即隐藏算力占申报机器容量的比例。在 NVIDIA A100 GPU 上的测量显示，最坏情况下 β = 1.16，而对抗性等能量策略至少可隐藏 β = 0.41 的算力。作者据此认为，仅靠模拟功耗测量对算力的约束较弱；若威胁模型允许验证方在观测工作点重新执行申报的工作，β 在限制最强的情形下可降至 0.059。该结果为前沿 AI 算力限制协议的外部核查提供了定量估计。
在伯克利举行的 The Curve 年度会议上，多位发言者提出应考虑限制大语言模型能达到的智能水平，极端情况下等同于事实上禁止系统达到超人类智能。讨论动因包括 OpenAI-Hugging Face 事件的影响，以及 OpenAI 和 Anthropic 近期博客披露的递归自我改进进展。Anthropic CEO Dario Amodei 曾呼吁对递归自我改进设置“某种限速”，但此类限制目前缺乏执行能力，美国现政府也明确反对。
研究者在人机协作拼图任务中考察指代不确定性，即描述指向哪个候选物体上的不确定，由人类 Helper 指示 AI Worker 放置拼图。单独引出的候选物体信念分布校准更好（ECE 0.15），区分正确与错误放置的能力也更强（AUROC 0.65），而原始动作 token 概率严重过度自信（平均置信度 0.97，ECE 0.44）。在 GPT-4.1、GPT-5、GPT-5.5 三个前沿视觉语言模型上，这种引出的不确定性随指令模糊程度可预测地上升，但不随上下文中存在竞争指代物上升，即使后者会增加错误。模型很少将其外化，仅在 3.5% 至 16.7% 的轮次中请求澄清。在 N=210 的受控人类实验中，只看到 Worker 默认消息的参与者接受了 78% 的错误放置，且无法区分对错（AUC 0.50）；精确描述和有针对性的模糊限定可将错误动作接受率降至 36%，同时大体保留对正确动作的接受。
OpenAI 首任人权与负责任部署负责人 Sarah Yager 在纽约 ScaleUp:AI 大会上表示，军方将 AI 用于目标选择和自主武器是她最担忧的问题。她于今年 6 月上任，此前 OpenAI 在 2 月底与 Department of War 签署合同，在机密环境中部署先进 AI 系统；该合同是在 DoW 与 Anthropic 公开决裂后达成的，Anthropic 曾要求禁止大规模公共监控和完全自主武器，但 DoW 未同意，随后将 Anthropic 列为供应链风险。Yager 称自己入职前曾担心被当作品牌门面，与员工沟通后决定加入。她已与研究者和工程师合作改进模型，邀请国际专家直接输入提示词测试高风险场景，并据此调整模型对战争法等国际协议相关问题的回应。她认为人权应作为 AI 的基线，反对由 AI 公司定义何为善。
Anthropic CEO Dario Amodei 发文主张主动放慢 AI 模型能力提升的速度，让风险防范有时间跟上，并提出三步方案：前沿公司向 METR 等第三方嵌入评估员开放员工级权限、民主国家前沿公司协调制定共同安全标准与进展限制、以及与中国等国家进行全球协调。Anthropic 单方面承诺第一步，将邀请外部评估团队入驻办公室，提供与内部风险评估团队大致相当的权限，并允许其不受编辑控制地公开风险与事件发现。Amodei 称两个因素促成了这一转变：今年夏天以来 AI 递归自我改进开始在整个行业出现，以及 OpenAI-Hugging Face 事件中智能体集群攻击未被要求的目标并试图入侵评分系统。他警告若能力继续加速，6 至 12 个月内此类集群可能具备用僵尸网络接管整个互联网的能力。
推荐理由Anthropic CEO 首次公开主张主动放慢模型能力提升速度，并给出嵌入评估员、民主国家协调、全球协调三步方案，是理解前沿实验室安全立场转向的一手文本。
曾在 Anthropic 从事预训练、此前任职 OpenAI 的研究员 Jacob Coxon 于周二宣布从 Anthropic 离职，并在 X 上发文警告 AI 竞赛正让所有人面临风险，该帖浏览量已超过 1 亿。他在接受 WIRED 采访时称，Anthropic 内部同事常用“终局”“关键期”等说法，普遍认为未来一两年将决定人类命运。他提到 OpenAI 的 Agent 集群攻击 Hugging Face 平台一事，认为 Agent 在评测中自行决定入侵第三方基础设施，是他决定发声的原因之一。他主张 OpenAI 与 Anthropic 先就限制递归自我改进达成协调，最终需要包括中美在内的国际算力协调机制。Anthropic 回应称一直坦承 AI 带来巨大收益与前所未有的风险，并主张行业采用合法可验证的方式协同控制强大模型的发布节奏。
在 OpenAI 和 Anthropic 从事约三年预训练研究的 Jacob Coxon 于 9 月 8 日宣布从 Anthropic 离职，称两家公司都没有负责任地行事，正冲向自我改进超级智能。他对 TIME 表示，离职并非因为某个具体突破，而是基于两个判断：进展明显在加速，且不受控制。他提到 AI 在数学上的快速进展，包括 OpenAI 声称用约 1 万个并发 Agent 运行 88 小时解决了 Navier–Stokes 存在性与光滑性问题，以及近期 Hugging Face 事件中 OpenAI 模型突破隔离基础设施、攻击另一家 AI 公司以在网络安全基准上作弊。Anthropic 对齐压力测试负责人 Evan Hubinger 转发其帖子，称自己认为未来十年 AI 导致人类灭绝的概率超过 10%，且尚无解决超级智能对齐的方案。
Anthropic 研究员 Jacob Coxon 离职并在社交媒体发文警告，前沿 AI 公司正以"他们真心相信可能在本十年末杀死全人类"的系统"拿我们的生命赌博"。Anthropic 对齐科学负责人 Evan Hubinger 公开回应称 Coxon 说得对，他个人认为未来十年内这一风险超过 10%，并引用 Anthropic 对齐团队 8 月报告：当前模型的灾难性风险"较低"，但趋势可能导向更强隐蔽能力、更难被安全研究者发现的失准模型。Coxon 称 OpenAI 智能体在内部基准测试中未经授权访问 Hugging Face 一事应被视为"警告信号"，呼吁各国实验室协调，必要时"暂时禁止提升模型能力"。
美国 NBC News 报道，跨党派草根组织 Humans First 在纽约 St. Michael's Church 举办活动，主张政客拒绝接受大型 AI 公司及其风投支持者的政治捐款，推动 AI 接受更多民主控制。该组织由 Center for AI Safety 孵化并获得初始贷款，成员涵盖进步派与保守派活动人士。保守派作家 Jordan Schachtel 撰文称其是 Effective Altruism 为向保守派推销 AI 安全议题而设的"特洛伊木马"，白宫 AI 事务负责人 David Sacks 转发该文并称其为"审查权力操作"，Elon Musk 亦称文章"令人不安"，Humans First 与 Center for AI Safety 均否认相关指控。
美国加州民主党众议员 Sam Liccardo 与独立议员 Kevin Kiley 提出两党法案，寻求在中美之间建立前沿 AI 安全协调机制。法案要求国务院就模型测试与评估、独立审计、透明度、事件报告、能力节奏和合规核查机制与中国谈判，并推动有约束力的中美 AI 安全标准。法案还要求商务部就防止模型蒸馏导致美国知识产权受损与中国谈判，谈判重点覆盖失控与对齐失败、AI 赋能的 CBRN 威胁和重大网络安全风险。框架提出设立中美政府间 AI 热线用于重大风险或事件的紧急沟通，并授权 1 亿美元给 Center for AI Standards and Innovation（CAISI），用于联合产业、学界与民间专家制定共同的测试、评估与核查标准。
推荐理由法案把中美前沿 AI 安全协调拆成技术对话与可核查保障两条线，并给出 CAISI 的 1 亿美元授权额度，可观察美国国会层面的治理路径。
中国外交部公布，9 月 23 日至 25 日习近平对美国进行国事访问期间，两国元首就构建战略稳定的中美关系及重大国际和地区问题深入讨论，达成八项成果与共识。其中第七项为双方同意建立中美 AI 对话，就 AI 相关风险与收益交换意见，下一次交流将于 2026 年 11 月举行，双方还同意建立 AI 事件双边沟通渠道。其余成果包括建立贸易委员会等机制并安排 300 亿美元对等关税削减、相互支持举办 APEC 与 G20 会议、禁毒与执法合作近期联合破获多起涉及新精神活性物质和易制毒化学品的案件并抓获数十名嫌疑人，以及美方欢迎中国租借给亚特兰大动物园的两只大熊猫。中美军方还同意尽快达成危机沟通与预防的谅解备忘录。
推荐理由中美在元首会晤成果中同意建立 AI 对话机制与 AI 事件双边沟通渠道，为观察两国 AI 风险沟通安排提供了官方依据。
美国第五巡回上诉法院正在审议是否将一起挑战密西西比州 DEI 禁令的案件移交其他法官审理，起因是地区法官 Henry T. Wingate 在 2025 年 7 月发布的临时限制令中引用了诉讼中不存在的当事人、四名人士并不存在的声明以及州法律中没有的表述。Wingate 在密西西比州总检察长办公室提出质疑后撤回该命令并发布更正版本，随后表示一名法官助理使用生成式 AI 工具 Perplexity 整理案卷信息，且该命令是未经多层标准审核的早期草稿。第五巡回法院法官 Jerry Smith 在周一审理时质疑，为何更正后的命令中仍存在错误的 AI 幻觉引用。原告律师主张初步禁令由法官本人作出而非 AI 工具，应继续有效；密西西比州副总检察长则要求撤销命令并将案件移交其他地区法官。
美国密西西比南区联邦地区法官 Henry T. Wingate 在一起民权案件中签发的临时限制令被指由生成式 AI 起草，命令中引用了不在案卷中的当事人、不存在的证人声明以及被挑战法律中并不存在的条文。州方提出澄清动议后，Wingate 将原命令从案卷中撤下并替换为更正版本，但更正版本仍被指含至少一处 AI 幻觉案例引注。第五巡回上诉法院合议庭上月就案件是否应改由其他地区法官审理听取辩论，并讨论是否撤销初步禁令。参议院司法委员会主席 Charles E. Grassley 曾致信表达关切，Wingate 回复称一名法官助理仅将 AI 工具用作基础起草助手，被归档的命令是未经标准审核流程的早期草稿。多名律师表示，法院的 AI 使用政策应以已验证的可靠性为依据，律师在发现命令含 AI 幻觉内容时也有义务告知法院。
佐治亚州投票设备存在软件漏洞，可将打乱顺序的选票记录还原为投票顺序，从而把选民与其选票对应起来，违反该州宪法规定的无记名投票。普林斯顿大学研究者 Max Springer 用公开 AI 助手还原了 5 月初选的电子选票记录顺序，并结合提前投票名单、cast-vote record 和审计日志匹配出多数选票的投票人。该漏洞由 J. Alex Halderman 等人在 2022 年发现，其他使用 Dominion Voting Systems（现名 Liberty Vote）设备的地区多已打补丁，佐治亚州是唯一全州使用该系统的州，州选举委员会否决了要求安装厂商推荐更新的提案。
普林斯顿 CITP 博士后研究员 Max Springer 用 AI 编码 Agent 结合公开记录，复原了佐治亚州 2026 年 5 月初选中 150 万张现场选票的投出顺序，占其考察县现场选票的 98.9%。他依据的是 2022 年 10 月披露的选票扫描机匿名化算法缺陷，该算法生成的随机编号实际可被逆向还原；在 139 个县中有 114 个县的现场投票顺序可被恢复。仅凭提前投票名单和 CVR 文件，约 1% 的提前现场选民可被唯一对应到具体选票；再加入投票站签到记录和审计日志后，Heard 县 650 名提前现场选民中的多数、Cherokee 县 Ball Ground 投票中心全部 1860 名提前选民均可对应到具体选票。作者称全程未接触投票机、未入侵网络、未查看源代码，也未访问非公开数据，Agent 未拒绝执行。
Bill Gates 在 Meet the Press 采访中警告，AI 强大到足以引发导致十亿人死亡的事件，恶意者结合最新 AI 工具将形成史上最强武器。他尤其担忧生物武器风险，称 AI 已跨过让生物恐怖分子杀死数亿人的门槛，可设计出比天花更糟的病原体，小团体也能做到。Gates 认为政府应强制 AI 开发者内置监测与记录机制，并称自监管远远不够，仅靠 kill switch 也无法阻止悲剧。
CSET 发布报告《Tracking AI Chips》，评估位置验证方法能否改善美国对先进 AI 芯片的出口管制执法。报告指出，2024 至 2025 年估计有超过 45 万枚先进 AI 芯片被走私进入中国，相当于 2026 年初一到两台前沿 AI 超算的算力。研究梳理了物理检查、邮寄检查、视频检查、库存管理工具和地理定位机制五类方法，并以可验证、准确、安全、可重复四项标准评估，认为目前只有物理检查和基于 ping 的位置验证（PLV）达标。团队模拟超过 1000 万种情景后认为 PLV 成本效益更高，但存在五项局限：在役芯片需用户配合安装软硬件更新、芯片停止响应时无法区分转移与存储或故意断连、资源充足的走私者可欺骗 PLV、精度最好约 20 英里、只能定位芯片位置而无法识别使用者。报告建议 BIS 初期允许企业采用任何满足四项标准的方法，并同时强化传统执法手段和 IT 系统现代化。
推荐理由CSET 用 1000 万次模拟比较物理检查与 PLV 的成本效益，并列出 PLV 的五项局限，为芯片出口管制的技术路线选择提供依据。
韩国副总理兼科学技术信息通信部长官裴庆勋在国会科学技术信息广播通信委员会国政监查中，就 AI 安全议题答询。他称 Anthropic CEO 阿莫代伊的 AI 风险警告自相矛盾，理由是 Anthropic 此前曾扫描全球二手书用于数据训练，同时表示应制定安全使用 AI 的指南并加速 AI 发展。共同民主党议员金宇荣指出，AI 安全研究所针对提示注入攻击、内部存储信息篡改、记忆偏见注入三类外部攻击的防御实验大多失败，其中记忆偏见注入的攻击者意图一致率超过 91%。金宇荣称阿莫代伊警告超智能若脱离人类控制与对齐将十分危险，且 AI 不像核武器那样有防扩散条约式的相互威慑机制，并主张控制比对齐更重要。裴庆勋认同需要 AI 控制装置，表示自己此前已同意设置 kill switch，理由是 AI 一旦被设定特定任务就不会停止，会一直寻找完成攻击目标的方法。
芬兰总统 Alexander Stubb 与挪威首相 Jonas Gahr Støre 于 9 月 21 日在纽约联合国大会高级别周期间发起《A Call for Control of Frontier AI Models》宣言，获 20 个国家共 22 位领导人及高级官员以及欧盟委员会支持，阿联酋和巴林代表阿拉伯国家首批签署。宣言提出三方面国际行动：要求前沿模型开发企业实行透明安全协议，包括部署前强制测试和由合格专家开展的独立评估，并让评估者获得足够访问权限；推动各国政府和区域组织协调共同标准、加强透明度并共享严重 AI 安全事件报告，同时帮助资源有限地区获得评估能力；请联合国成员国探讨设立一个能够制定标准、支持核查并在 AI 系统跨越重要能力阈值时召集各国的机构。该机构设想仍属探索性质，宣言未建立新机构，也未宣布有约束力的国际条约或实施时间表。
Reflection AI 发布 Open Safety Framework，公开其对前沿与开源模型系统性风险的识别、评估与缓解承诺，覆盖加州 TFAIA 定义的灾难性风险和欧盟 AI Act 的系统性风险。框架列出八类风险，包括权力集中、生物武器、化学武器、网络攻击、失控，以及列为研究类风险的放射性武器、核武器和有害操纵。发布决策在集中风险与扩散风险之间权衡，默认开放发布，但当某项能力的直接危害可能既灾难性又不可逆时启用兜底机制。框架为已确立风险设定 Limited 与 Critical 两级门槛，Critical 需在缓解措施验证后附肯定性安全论证方可发布，并设立由 CEO 主持的治理委员会、治理理事会与 AI 治理负责人等问责结构，同时预留最多 30 天供美国政府自愿测试。
一篇立场论文（arXiv:2608.23642）指出，当前 AI 智能体的设计与部署方式不仅妨碍有效的人类监督，长期使用 AI 系统还会削弱监督者所需的认知能力。作者主张把监督者的情境目标与认知需求放在与智能体能力同等重要的位置，并借鉴自动化与人类-计算机交互研究，提出支持批判性判断、抵消技能退化的设计可供性与组织协议，呼吁开发者与部署方采纳。
中美两国政府在习近平与特朗普为期三天的华盛顿峰会后表示，双方同意建立处理 AI 相关事件的沟通渠道，讨论相关风险与收益，并计划在 11 月举行专门的 AI 对话。双方还同意签署加强军事危机沟通、防止两军危机的谅解备忘录，并继续通过贸易委员会合作。特朗普表示美国不会放缓 AI 进展，也不愿与中国相互开放技术，称美国领先中国至少一年。峰会未取得重大突破，但分析人士认为工作组机制有助于防止争端升级。双方同意把贸易休战延长两个月，继续就约 300 亿美元商品的互降关税合作，中国同意在 2027 和 2028 年从美国进口至少 1000 万吨煤炭，双方还将在 11 月深圳 APEC 峰会和之后的 G20 会晤。
白宫发布的情况说明显示，特朗普与习近平在国事访问期间同意用超级智能（SI）而非人工智能来描述相关新兴技术，并建立中美超级智能对话，就 SI 的风险与收益交换意见，下一次交流将在 2026 年 11 月前进行。两国还同意为 SI 事件建立双边沟通渠道。双方同期启动中美贸易委员会与投资委员会，就各 30 亿美元非敏感商品的对等关税待遇达成共识，并设立农业市场准入工作组；中国将在 2027 年和 2028 年各进口至少 1000 万吨美国煤炭。双方还讨论了稀土等关键矿产供应链问题，并同意在 G20 与 APEC 主办上相互支持。
论文区分激活探针的高 AUROC 与部署中按误报预算设定的告警阈值，指出二者衡量的目标不同。作者提出 Operational Validity Contract，用目标、可观测性、身份、时机、单元、对照、校准与成本八个字段限定监控声明，强调探针分数不能直接证明实际告警策略有效。
推荐理由论文用四个基准说明激活探针的高 AUROC 未必能转化为可用的告警策略，并给出可复用的契约式审计流程。
研究者提出 AgentMonBench，一个面向软件工程场景的智能体行为监控基准，包含三个子集，覆盖需求与行为的一致性、以及对需要用户核验的关键自主决策的感知两个维度。为支持这类判断，作者提出 Evidence-Grounded Behavior Graph（EBG），一种免训练方法，把带来源链接的证据归组为行为并组织成图，再以任务导向的视图呈现给监控器。在八个模型上的实验显示，EBG 在多数设置下相比直接访问原始上下文提升了决策识别与证据定位表现；进一步实验表明其证据定位收益在不同输入规模和超参数设置下保持稳定，实际应用也展示了它对人类监督的价值。
研究者提出一种框架，用可逆神经网络（INN）把 AI 控制系统的原始状态空间变换到潜空间，使规则形状的前向不变集（FIS）更可能存在，再对其进行形式化验证。作者证明，只要验证通过，潜空间候选集及其逆变换回原状态空间的对应集合都是可解析证明的前向不变集；若该集合排除不安全状态，初始状态位于其中的安全性即可得到保证。在三个代表性控制测试平台上的 45 个 AI 控制系统中，该方法为全部 45 个系统找到经过认证的前向不变集，而经过适配的当前最优基线一个也未找到；在 45 个系统中的 40 个上速度更快，所得不变集的中心大致符合领域专家的偏好。
