斯坦福研究：44%的大语言模型实证结论已失效
斯坦福大学研究人员Owen Queen和James Zou测试了50个广泛引用的大语言模型声明，发现44%已经“过期”，平均寿命仅为15.7个月。关于模型“不能做什么”的推理类错误（如数草莓字母、长上下文信息丢失）失效最快，而谄媚、欺骗和战略行为等偏好类结论则更持久或有所增强。研究建议将LLM实证结果视为特定时间点的具体观察，而非普遍真理，并呼吁记录模型版本和日期以便复现。
#Anthropic
The DecoderAI 评分6565
The DecoderAI 评分5555 Anthropic发布FlashProve原型：用zkSNARK验证AI响应来源而不暴露权重
Anthropic发布开源研究原型FlashProve，利用zkSNARK技术生成紧凑证明以验证AI响应是否由声称的模型生成，且无需暴露模型权重。该原型在单张H100 GPU上对Llama 4 Maverick（400B参数）实现约110 tokens/秒的证明生成速度，每个证明约19MB，标准CPU验证耗时17秒，相比正常推理增加70至95倍开销。