美联邦机构拟建前沿AI机密基准

据Axios报道，美国联邦机构须在8月1日前建立一套机密基准测试流程，用于评估前沿AI模型能力；英国《金融时报》称相关标准可能最早本周出台。上周《Fable 5》回归后，Anthropic在博客称将与亚马逊、谷歌、微软等合作制定标准化基准，更关注“越狱”带来的结果与影响，而非仅判断是否可实现。测试机构Irregular在6月下旬发布新的网络基准，衡量模型是否能执行远程代码执行、权限提升、进入受限网络等进攻性任务；Wiz和Vals AI等也在开发类似基准。Armadin联合创始人David Slater称，其公司AI代理在四周内超越所有公开网络基准，并在2025年第四季度认为公开基准已“饱和”且“无用”，主张下一代基准应评估更长、更复杂攻击及所需成本，并在更接近真实生产系统的环境中测试。