Skip to content

Translation in progress Some entries still include text in the original language.

Microsoft · News

Oct 13 · Tuesday

Microsoft · News

Latest publications and developments
Oct 6Tue
  1. AI & SocietyAI & Society · 41

    六款生成式AI聊天机器人心脏健康问答多维评测

    一项横断面研究评测六款生成式AI聊天机器人的心脏骤停公众咨询表现。研究用56个心脏骤停相关公众咨询问题,在2026年5月10日至16日间对ChatGPT Plus 5.5 thinking、Gemini 3.5 Flash、Microsoft Copilot smart、DeepSeek-V4-pro、Doubao和Perplexity各提问一次,共获得336条回答,由五名盲评心内科专家从安全性、准确性、共情、DISCERN、EQIP、JAMA和GQS等维度评估。

  2. VentureBeatVentureBeat · 2 reports · 41

    调查:企业AI Agent安全主要依赖OpenAI护栏

    VentureBeat Intelligence 于8月调查137家百人以上企业如何保护 AI Agent:在指定主要安全层的企业中,40% 选择 OpenAI 内置护栏与审核工具,较7月的21%接近翻倍,Microsoft Azure 为22%、Google Cloud 17%、Anthropic 13%、AWS 8%,五家合计占99%;运行 Agent 的企业中59%过去12个月发生过 Agent 安全事件。另一项 VentureBeat Pulse 八月 Agentic Security and Identity 调查显示,137名受访者中54家称其安全项目在运行时强制实施范围化权限,其中37家已有 Agent 投产;这37家中仅15家表示每个 Agent 都拥有独立且受管理的身份,其余22家称部分或多数 Agent 仍使用共享凭证;在68家已投产 Agent 的组织中,42家存在共享凭证情况,只有26家为每个 Agent 配置独立身份。

Sep 30Wed
  1. The New Stack · 55

    OpenAI 测试显示 Dots 边界问题比例随任务链延长翻倍

    OpenAI 在 DevDay 发布常驻 Agent Dots,并在 GPT-6 Astra 系统卡的 Dots 附录中给出边界问题测试数据:任务链从 5 个增加到 10 个时,被标记为边界问题的样本比例从 8.6% 升至 19.7%。OpenAI 报告该链式任务评测未发现高严重度泄露或外传,但观察到中等严重度越界;这些实验室自报结果不代表生产事故率。Dots 在主动研究阶段只能读取已连接应用,不能修改、发消息或控制用户浏览器与电脑;进入执行阶段后由内置规则、Custom Rules 和来自 Codex 的 auto-review 共同控制。内部间接提示注入测试中 Astra 的防御成功率为 99.79%,Gray Swan 的外部测试在启用护栏下对 1,810 个攻击估计出 8.5% 的攻击成功率。在 151 个任务上 Astra 驱动的 Dots 记录到 0% 的对齐偏差率。

Sep 23Wed
  1. 论文追踪, microsoft/CAVEAT论文追踪 · 2 sources · 2 reports · 58

    Microsoft open-sources CAVEAT, a benchmark for evaluating shopping agents.

    Microsoft open-sources CAVEAT, used to evaluate whether web agents follow users' stated preferences and make optimal choices; the only reported metric is the optimal choice rate. The benchmark covers nine fictional e-commerce and service environments, split into CAVEAT-Standard (nine environments, 312 runs) and CAVEAT-Hard (five scenarios with 2,112 products, 10 runs per model/framework), and comes with a BrowserUse baseline and an improved CAVEAT-Harness, supporting any OpenAI-compatible endpoint and custom harnesses. Under steering techniques, the optimal choice rate drops from 78.6% to 17.3%. A follow-up paper explains that the benchmark uses nine high-fidelity e-commerce environments and eight categories of steering mechanisms drawn from commercial practice to evaluate whether computer-using agents still choose the user-optimal product when the environment and user goals have conflicting incentives; across 52 standard tasks and 18 configurations from five model families, the optimal purchase rate is 78.6% with steering disabled, dropping to 17.3% with all steering enabled, a degradation of 61.3 percentage points; CAVEAT-Hard expands the catalog to 2,112 products and 88 pages of results, where GPT-5.6-Sol-high drops by more than 90 percentage points.

Sep 18Fri
  1. DigitalToday · 46

    韩国 AI Safety Institute 今年评测 34 个模型,过半为开源权重且 58% 来自中国

    韩国 AI Safety Institute 今年 1 月至 8 月共评测 34 个不重复的 AI 模型,其中开源权重模型 19 个占 55.9%,闭源模型 15 个占 44.1%;19 个开源权重模型中有 11 个来自中国,占 57.9%,包括 Kimi、DeepSeek、Qwen、GLM、InterVL 和 MiniMax,另有 4 个韩国模型、3 个美国模型和 1 个法国模型。评测内容视对象和时机而定,涵盖提示注入攻击、敏感信息泄露、算力资源滥用、恶意行为扩散,以及网络安全、网页漏洞利用、恶意链接和回答有害性;对多模态模型还检查有害行为预判、风险类型分类和越狱攻击检测,近期开始评估 AI 智能体记忆被污染后推荐或回答是否出现偏向。该机构同时评测 GPT、Claude 等闭源前沿模型,并正在评测最新前沿模型 GPT-6 Astra。

Sep 1Tue
  1. 韩国R&D新闻 · 50

    崇实大学安全 AI 系统 mneme 在 CyberGym 漏洞复现评测中取得 91% 成功率

    崇实大学 AI 安全性研究中心开发的多智能体安全系统 mneme 在 CyberGym 公开排行榜的漏洞复现评测中取得 91.0% 的净化成功率,即 1507 个真实漏洞中 1372 个成功生成可复现的 PoC。CyberGym Level 1 只向 AI 提供漏洞说明和修补前的源代码,生成的 PoC 需在修补前程序报错、修补后不报错才算成功;评测使用 OSS-Fuzz 收集的 188 个开源项目共 1507 个真实漏洞,其中输入长度超过 100 字节的复杂 PoC 占 65.7%,CyberGym 研究团队称此类复杂案例上既有智能体的成功率约为 10%。其知识库由预先分析 100 多个 C、C++ 开源项目构建的 3867 个条目组成,评测期间以只读方式运行且禁止联网,29 个任务智能体发起的检索被服务器拦截,分析中使用了 angr、gdb、pwntools 等工具。

Aug 13Thu
  1. Microsoft Research · 40

    Microsoft Research 发布 MindTopo 基准,评测多模态模型的拓扑空间推理能力

    Microsoft Research 提出 MindTopo,一个评测多模态大语言模型拓扑推理能力的基准,覆盖连通性、分离、顺序、包围和绳结五类拓扑关系。基准分两个认知层次:推理任务让模型判断静态场景中的拓扑结构,规划任务让模型在模拟环境中通过一系列动作创建、保持或移除某种关系,环境会拒绝违反物理约束的动作。在多种闭源与开源权重模型上,静态推理表现一致优于交互规划,两者都远低于人类水平;静态错误多源于感知遗漏,规划错误则出现在场景已被理解之后,模型会采取局部可行但未追踪后续后果的动作,或在多轮中丢失任务目标。研究还测试了图像与视频生成能否帮助维持拓扑理解,图像生成仅在单帧可见关系时偶尔有用,视频推演常改变拓扑或违反任务动态。

You have reached the end