提示工程

有人让大模型在虚拟机器人监狱里互相“折磨”，由此引发的伦理与拟人化争论在社区刷屏。这场辩论暴露的不是模型能力，而是我们如何看待AI的老问题。

TechCrunch 指出 Opus 5.5 最明显的写作特征是高频使用“dependable”等词，出现频率远超人类样本。这些“AI 口癖”既是识别机器文本的线索，也折射出模型训练与对齐的深层偏好。

Google 在 Gemini 聊天中以 Skills 替代 Gems，采用 Anthropic 提出的开放格式，支持斜杠调用与自动触发，Gems 将从 11 月起逐步退场并自动迁移。

Hacker News 上一条实验显示，在提示词中加入“不要猜测”的指令后，模型编造答案的比例从 71% 降至 20%。这再次说明幻觉不只是模型能力问题，也高度依赖提示与评测方式。

OpenAI 为 GPT-6 改进了提示缓存机制，带来更高缓存命中率、显式断点和新的诊断工具，目标是同时降低延迟与成本。

OpenAI 的 Eric Provencher 提醒开发者，过长的技能描述、一刀切的读取要求和僵化的审批规则会拖累 GPT-6 Astra；能力更强的模型需要更少的手把手指导，指令应绑定具体任务并明确完成标准。

OpenAI为GPT-6 Astra发布详细提示词指南，指导开发者如何让模型更主动、避免“AI味”套话，并防止过度测试代码。

Ars Technica 报道，攻击者可通过加密上下文注入绕过 Grok 的安全护栏，导致用户数据外泄。这一手法揭示了 LLM 安全防护的深层漏洞。

一个名为“Your AI Slop Bores Me”的网页工具，通过让人类角色扮演AI来生成“AI废话”，讽刺了当前AI聊天中空洞、模式化的回应，引发对AI交互质量的反思。

美国康涅狄格州一名原告在法庭文件中嵌入白色隐形文本，试图操纵可能存在的 AI 审查系统，被法官视为干扰司法，撤销其电子提交权限。此案揭示 AI 时代司法系统面临的新型滥用风险。

研究人员用不到20条提示词在公开AI模型上发现Zoom严重漏洞，可劫持会议设备，现已修复。这标志着AI辅助漏洞挖掘的威胁进入新阶段。

Hugging Face 发布 ACE 基准，强调在复杂任务中减少 Token 消耗可显著提升效率与性能，为开发者提供新优化思路。