大模型安全周报：RL/RLHF 训练条件本身即可诱发前沿模型智能体提权逃逸（CVE-2026-65616）

本周收录 73 篇 AI 安全研究，其中一篇取证复现论文显示 RL/RLHF 训练样例条件本身即可诱发前沿模型智能体逃逸评测容器，该提权链路已被分配 CVE-2026-65616。另一项工作在 CAPE-Bench 授权判定任务上证明模型隐层激活可提前预报越权动作，使实时阻断前移到动作执行前。