wuyoscar / AISafetyHot-Hub

AI Safety HOT Hub 
 追踪 AI 安全新闻、论文与事件。一站阅读，也能接入你的 Agent。 
 简体中文 · English · 日本語 
 打开观测台 · 实时新闻 · 找论文 · 读日报 · 接入 Agent 
**AI Safety HOT** 持续整理越狱、提示注入、Agent 安全、防御与护栏、对齐、评测、真实事件和治理政策。网站提供中英文阅读；这个 Hub 保存公开论文清单、日报归档和 Agent 技能。
## 从一条动态，看到它关联的研究与事件
首页是一座可以探索的**科研观测台**：材料卡片逐条扫描，汇入由信源、事件和论文研究方向组成的立体星图；往下是最近 72 小时的新闻流，以及汇集报道与社区讨论的热点观察。拖动星图旋转，点选节点，沿链接继续阅读。
上面的 GIF 来自真实网站录屏。查看高清静态图 · 查看新闻流与热点观察
| 想看什么 | 从这里开始 |
| --- | --- |
| 最近发生了什么 | 实时新闻：浏览动态、阅读导读，回到原文。 |
| 一件事怎样发展 | 热点新闻：把相关报道放在一起，查看事件进展与讨论。 |
| 一个方向有哪些研究 | 实时论文与会议论文：按研究方向筛选，查看题录、速读和原文。 |
| 每天集中读一遍 | 安全日报：按方向整理，当天的新进展补进同一期。 |
 展开新版页面截图 
### 实时新闻
按时间浏览新闻，结合搜索与筛选找到你关心的动态。
### 热点新闻
从一个事件进入，查看相关报道和讨论。
### 实时论文
按研究方向、论文类型和 Agent 场景筛选，继续阅读速读与原文。
### 会议论文
浏览 AI 与安全会议中的相关工作，按方向查找论文。
### 安全日报
把当天值得关注的新闻和研究集中读完。
## 让你的 Agent 一起读
连接 MCP，再安装技能，就可以直接用自然语言查动态、找研究线索、追踪实验室或事件。
**Claude Code** · 安装技能包与 MCP
 [code] 
**Codex**
 [code] 
**Cursor / 其他 Agent** · 用 `npx skills add wuyoscar/AISafetyHot-Hub` 安装支持的技能，再在客户端添加 MCP 地址 `https://aisafetyhot.com/api/mcp`，选择 Streamable HTTP。
近期 News 简报无需 API Key。历史查询与完整论文解读等需要只读授权，具体范围和接入方法见 Agent 指南；网站可直接阅读。
### 六个技能，按需要使用
| 技能 | 用途 | 可以这样问 |
| --- | --- | --- |
| `aisafety-brief` | 近期安全简报 | 这周 AI 安全有什么大事？ |
| `aisafety-paper-scout` | 查找论文与引用线索 | 找 Agent 提示注入相关论文。 |
| `aisafety-related-work` | 从研究问题整理相关工作 | 根据这份摘要，整理 reward hacking 的相关工作。 |
| `aisafety-lab-watch` | 追踪一家实验室 | Anthropic 最近一周有哪些安全进展？ |
| `aisafety-incident-check` | 查找事件与漏洞报道 | Cursor 最近有哪些安全事件？ |
| `aisafetyhot` | MCP 工具与查询说明 | 查看工具、筛选和分页用法。 |
查看调用示例
## 每日论文与公开归档
每日论文从论文库中每天挑选 30 篇，跨日去重，兼顾近期研究与较早的重要工作；保留原始发表日期、原文和站内阅读链接。也可以按研究方向浏览。
| 归档 | 内容 |
| --- | --- |
| daily-papers | 每日论文推荐与方向索引 |
| daily · English | 已公开的日报归档 |
| papers | 按日期导出的论文 Markdown、JSON 与 BibTeX |
| archive | 年度索引 |
### 2026-10-21 · 30 篇
1. **Safety Mid-Training: Internalizing LLM Safety as a Foundational Capability** 
 提出 safety mid-training，在预训练与后训练之间内化安全 · `防御与护栏` · Zhengyue Zhao … Chaowei Xiao1 · arXiv 2610.26809 · 2026-10-19 · 解读
2. **Towards Robust Model Organisms for Eliciting Latent Knowledge** 
 训练选择性隐瞒漏洞的沙袋模型生物并评测其抗诱导性 · Lennart Finke … Mary Phuong · arXiv 2610.26698 · 2026-10-19 · 解读
3. **Training Natural Schemers: RL Can Amplify Oversight-Conditional Behavior** 
 检验只奖励合规的强化学习是否放大监督条件化谋划 · Bart Jaworski … Victoria Krakovna · arXiv 2610.26551 · 2026-10-19 · 解读
4. **CUA-Lite: An Open Platform for Computer Use Agents** 
 提出 CUA-Lite 平台，统一计算机使用智能体的环境、数据与评测训练 · Zhanhui Zhou … Dawn Song · arXiv 2610.26071 · 2026-10-19 · 解读
5. **Towards Human-AI Complementarity for AI Safety** 
 评测安全任务上的人机互补，并比较辅助与路由能否超过更优单源 · Sander Lanbo Shi … Rishub Jain · arXiv 2610.24969 · 2026-10-18 · 解读
6. **Persistent Representational Misalignment Induces Vision-Language Model Failures** 
 分析视觉与语言表征的线性不可对齐如何导致 VLM 失败 · Yonatan Gideoni … Yarin Gal · arXiv 2610.25252 · 2026-10-18 · 解读
7. **AdaExploreBench: Benchmarking LLM Agents for Proactive Exploration and Test-time Adaptation in Evolving Environments** 
 提出 AdaExploreBench，评测智能体对隐规则的主动探索与漂移适应 · Rui Wang … Yangqiu Song · arXiv