arXiv论文:跨模型验证Dafny代码,同模型一致性仅59.3%

arXiv 上线的一篇新论文提出让“规格模型”和“实现模型”分工把临床试验标准翻译成 Dafny 形式化代码,发现验证通过并不等于两个智能体真正独立达成一致,同模型对照的一致性也只有 59.3%。

arXiv 上线的一篇新论文提出让“规格模型”和“实现模型”分工把临床试验标准翻译成 Dafny 形式化代码,发现验证通过并不等于两个智能体真正独立达成一致,同模型对照的一致性也只有 59.3%。

OpenAI 推出网络安全专用模型 GPT-6 Cyber,在 Firefox 研究中发现 81 个此前未知的高危漏洞并提交 Mozilla;能力大幅提升的同时,OpenAI 将其风险等级上调至 Critical,首批仅向审核通过的“Daybreak Red”红队客户开放。

OpenAI于2026年11月6日发布网络安全专用模型GPT-6 Cyber,在真实测试中找出Firefox的81个此前未公开的高危漏洞,并在Linux内核漏洞复现与利用开发上大幅超过上一代,被OpenAI自身评为最高风险等级。其能力提升与开放节奏,是观察AI安全工具双用途风险的关键样本。

集成平台Merge在2026年11月披露,其内部已用GPT-6 Astra、ChatGPT和Codex覆盖代码评审、产品测试、营销与销售筹备等环节,并称工具调用成功率达99.9%。

OpenAI 于 2026 年 11 月 5 日发布 ChatGPT Images 2.6,向包括免费档在内的所有订阅层级推送。这次只加了两项功能:把照片做成动态 GIF,以及保存一张可反复引用的参考图。对普通用户来说,用自然语言做轻量动图的门槛又低了一点。

2026 年 11 月 5 日,OpenAI 推出 GPT-6 Cyber,称其在网络安全类基准上优于 GPT-6 Astra,更擅长发现漏洞,也更不容易脱离控制。这为安全场景的大模型选型提供了新的闭源选项。

据科技媒体CyberScoop记者Djohnson报道,OpenAI表示GPT-6 Cyber将先通过其Daybreak Red计划向少数客户开放,并称该模型在Firefox中发现了81个以上此前未公开的漏洞。若属实,这将是AI模型在真实软件中大规模发现安全漏洞的一次标志性案例。

OpenAI 于 2026 年 11 月 5 日发布 GPT-6 Cyber,定位为安全研究的大模型,强调能力提升与模型对齐同步推进;目前仅向 Daybreak Red 特定客户开放,并称将逐步扩大访问范围。

分析机构 SemiAnalysis 发布 GDPx 基准,让 AI agent 在模拟的芯片设计、生物、量化交易、网络安全、法律等真实工作中连续运行数小时;在 2026 年 11 月公布的首轮结果里,没有任何模型超过 12%。

OpenAI为Daybreak Red项目推出专注网络安全的模型ChatGPT Cyber,此前同款模型已扫描出Linux内核948个潜在问题和Firefox的81个新漏洞,但防御者能否跟上仍存疑问。