AWS 如何帮助客户将负责任 AI 治理与 ISO/IEC 42005:2025 对齐
AWS 说明如何用 ISO/IEC 42005:2025 将 AI 系统影响评估纳入企业 AI 治理和风险管理流程。该标准覆盖评估内容、执行时机、文档记录、监测复核，并在 Annex D、Annex E 提供集成流程和独立模板。AWS 还提供 ISO/IEC 42001:2023 AIMS 实施指南和 Responsible AI Lens 等配套工具。
#安全/对齐
AWS Machine Learning BlogAI 评分3030 AWS Machine Learning BlogAI 评分4444 Amazon Quick 与 Amazon Bedrock 如何重构 RAG 访问控制
Amazon Quick 和 Amazon Bedrock Knowledge Bases 通过查询时实时 ACL 校验，让 RAG 生成回答遵守企业知识源权限。
GitHub Blog · AI & ML精选AI 评分7070 GitHub 推出 ModernBERT 分类器以扩展 Secret Protection
GitHub 介绍了与 Microsoft Applied Sciences 构建的微调 ModernBERT 分类器，用于把 push protection 扩展到非结构化密钥。
推荐理由：原文结合九个季度数据与新分类器细节，说明 GitHub 如何把密钥防护前移到代码推送链路。
Mistral AI精选AI 评分8484 Mistral AI 发布 Mistral Large 4 公共预览版
Mistral AI 发布 Mistral Large 4 公共预览版，这是一个 1 trillion-parameter 原生多模态模型，拥有 52 billion active parameters，可在 Mistral Studio 试用 preview API，并计划在本月底发布权重。
推荐理由：原文披露了参数规模、开放权重计划和多项基准结果，可用于比较欧洲开放权重模型的能力定位。
Google ResearchAI 评分5858 Google Research 发布智能体隐私与安全开放问题报告
Google Research 分享 workshop report《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》，讨论自主智能体面临的隐私与安全基础挑战。
Google ResearchAI 评分5757 Google Research 介绍基于 TEE 的新一代联邦学习系统
Google Research 宣布新一代基于 Trusted Execution Environments 的联邦学习系统，用于提供可验证、可审计的数据匿名化保证。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布 Gemini 4 Argon，这一前沿模型将先通过 Fairwind Program 向一组受信任的网络防御者推出，并逐步扩大访问。
推荐理由：原文给出发布节奏、价格和多项基准结果，可用于了解 Google 对高能力模型分阶段开放的安排。
Google DeepMind精选AI 评分7272 Google DeepMind 推出 SynthID Bio，用于 AI 生成蛋白质水印
Google DeepMind 推出 SynthID Bio，将水印技术用于合成生物学，在 AI 生成蛋白质序列和 3D 结构中嵌入可验证签名，同时在实验室测试中保持生物功能。
推荐理由：原文展示了生物设计水印在湿实验和结构预测中的验证结果，可用于理解 AI 生物安全的新防线。
Hugging Face BlogAI 评分5454 ProvenanceGuard 提出面向 MCP Agent 的来源感知事实性验证
Hugging Face Blog 介绍论文 ProvenanceGuard: Source-Aware Factuality Verification for MCP-Based LLM Agents，提出在 MCP Agent 生成后按 claim 检查事实是否由正确来源支持。
Google DeepMind精选AI 评分7474 Google DeepMind 更新 Private AI Compute，引入安全的服务器端记忆
Google DeepMind 介绍了 Private AI Compute 架构更新，将为平台带来私有的服务器端持久记忆，以支持跨设备 AI 记忆并保持设备端隐私标准。
推荐理由：原文解释了云端持久记忆与设备端密钥的组合，便于理解个人 AI 助手的隐私架构取舍。
Berkeley AI ResearchAI 评分4242 面向 LLM 的大规模交互识别：SPEX 与 ProxySPEX 方法
Berkeley AI Research 介绍 SPEX 与 ProxySPEX，用于在 LLM 等复杂机器学习系统中大规模识别关键交互。SPEX 将交互发现转化为稀疏恢复问题，利用有选择的 ablation 和解码算法定位影响因素；ProxySPEX 利用层级结构，在保持 SPEX 性能的同时将 ablation 数量减少约 10x。