AI 安全
Claude Code 2.1.239 收緊雲端代理出口，並修正 Bedrock 串流重送導致雙倍計費
新版強制部分 Claude Code 網頁工具請求通過工作階段網路代理，也修補代理環境、MCP 重連與敏感輸入處理問題。它同時加入 Python SDK 遷移指令，但 Anthropic 未公布漏洞嚴重度或受影響規模。
Archive
AI 安全
模型安全、資安、隱私、供應鏈、紅隊與防護。
AI 安全
代理工具
MCP 新路線圖聚焦代理事件、HTTP 傳輸與身分安全，但 Tasks 的 SDK 支援仍未齊
MCP 維護團隊把下一階段規格工作集中於五個領域，包括伺服器主動事件、代理身分及漸進式工具探索。這些項目仍是路線圖，現有 SDK 對 Tasks 與擴充通知的支援也存在缺口。
最新模型
IAR 將文件內化拆成注入、問答對齊與權重合併，平均保住更多通用能力
北京智源研究團隊提出三階段後訓練方法，讓模型不經 RAG 也能回答固定文件集的問題。八組實驗中有七組全面勝過一般 SFT，但成果仍依賴合成問答、模型裁判及逐模型調參。
AI 安全
Semantica 0.6.6 封堵代理知識管線的 SSRF、注入與憑證外洩路徑
Semantica 0.6.6 集中修補知識圖譜匯入、備份、匯出及外部請求的多類漏洞，維護者建議所有部署升級。新版也加入可保留來源紀錄的事實撤回機制與 CrewAI 整合。
代理工具
Hermes Agent 0.20.5 加入五供應商無金鑰搜尋，排程任務可獨立設定推理強度
Nous Research 將無金鑰網路搜尋、排程記憶與執行停滯防護收進 Hermes Agent 0.20.5。這次標為修補版，卻合併約 323 個 PR，完整遷移說明仍要等 0.21.0。
推論系統
Diffusers 0.40 將 Modular Pipeline 轉為穩定 API，同時移除 JAX／Flax
Hugging Face 讓 MiniMax H3、MiniMax Music 3 及 Wan-Animate-2 直接以可組合區塊接入，不再提供傳統 DiffusionPipeline 封裝。新版也加入有限的 tensor parallel、低位元量化後端及安全修補，但帶來 Flax 移除與 LoRA 輸出變動。
AI 安全
SafeBranch 在相同狀態配對安全分岔，IS-Bench 安全成功率由 0.031 升至 0.281
SafeBranch 將代理的危險軌跡回滾至關鍵決策點，只比較同一上下文中的安全與不安全動作。訓練後部署毋須外掛 critic，但成果目前限於模擬家居環境，且資料建構仍依賴 GPT-4o 判斷。
最新模型
ConceptGuard 配對同一概念的善惡用途，最佳情境分離分數僅 0.38
ConceptGuard 不再把忘卻集與保留集視為互不相關的事實，而是要求模型抑制同一技術的有害用途並保留正當用途。四種反學習方法均出現遺忘與效用取捨，且不同概念間的效果高度不一致。
AI 安全
Forge 0.18.1 為 MCP 加入逐使用者 OAuth，工具呼叫可等待授權後續跑
開源代理執行環境 Forge 現可按使用者隔離 MCP 連線與憑證，並自動完成 OAuth 2.1 metadata discovery 及動態用戶端註冊。新版亦補上細粒度出口管制與審批稽核，但目前 MCP 支援仍以 HTTP 傳輸為主。
AI 安全
MaliciousSkillBench 彙整 9,740 個代理技能，跨來源偵測 Macro-F1 跌至 0.665
新基準將 13 個公開來源的代理技能去重並按結構家族切分，避免近似樣本同時落入訓練與測試集。最佳文字分類器在隨機切分表現亮眼，面對未見來源卻把 62.4% 良性技能誤判為惡意。
AI 安全
八款閉源模型的正常回覆可暗藏上下文祕密，四位數精確還原率達 82%
新研究顯示，即使模型拒絕直接洩密，回覆長度、格式與詞彙等統計特徵仍可能攜帶上下文資訊。自適應黑箱攻擊可近乎完整還原兩位數祕密，四位數精確命中率則達 82%。
AI 安全
PolicyGuide 以持久化流程圖約束客服代理，四次全過率由 0.42 升至 0.62
PolicyGuide 不只在工具呼叫前阻擋違規動作，而是在每個使用者回合追蹤尚未完成的政策步驟。它在三個 τ²-bench 領域提高可靠成功率，但每回合增加一次 LLM 驗證，且程序合規指標部分由作者自行設計。