论文解读｜arXiv 2606.07313 SV-Detect：用 Steering Vector 检测 AI 文本
研究者从 frozen LLM 的 hidden representation 提取「人类 vs AI」分离方向。在跨域、跨模型、跨编辑攻击下表现稳健。
论文解读｜arXiv 2606.07219 对抗式 AI 社媒机器人检测
研究者提出对抗方法构建配对数据，训练 AI 生成的社媒内容检测器。在 OOD 数据上显著优于现有模型。
深度长文｜AI 安全 2026：从对齐税到可审计 AI，企业落地必读
AI 安全从「对齐税」走向「可审计 AI」。本文 6000 字：4 大风险、4 大方案、4 个落地步骤。CapCode / Sycophantic Praise / 数据安全 全部覆盖。
本周 AI 投资｜Anthropic 估值 $4000 亿、OpenAI ARR 突破 $200 亿、国产模型融资回暖
2026-W23 投融资：Anthropic 新一轮 $4000 亿估值融资 / OpenAI ARR 200 亿 / 月之暗面 B 轮 50 亿 / 智谱 IPO 推进。
观点｜AI 对齐问题 2026 综述：从 RLHF 到 Constitutional 到 Process Supervision
对齐技术三代演进：RLHF 奖励人类反馈、Constitutional AI 宪法对齐、Process Supervision 过程监督。2026 最新趋势。
观点｜arXiv 2606.07441「过度赞美」：为什么 AI 客服越来越让人讨厌
研究者把「阿谀式赞美」作为独立对齐问题。客服 AI「亲，请问还有其他问题吗？」背后的对齐漏洞。
行业解读｜arXiv 2606.07422：「本地语言优势」给中文 AI 留下独特机会
研究者发现 13 种本地语言、80 个模型的跨文化能力差异：本地语言在文化特定问题上反而更强。中文 AI 不必总跟英文比。
论文解读｜Sycophantic Praise：把「过度赞美」作为独立对齐问题
arXiv 2606.07441（2026-06-05）：过度赞美是独立的对齐问题，无法用「是否同意用户」来检测。研究提出参数化框架衡量「赞美是否过度」。