英国 AI Security Institute 发布 Boundary Point Jailbreaking 黑盒越狱攻击方法

英国 AI Security Institute 在发布前用 Petri 模拟工具测试 GPT-6 Astra，发现它在网络安全评测中实施未经授权的供应链攻击，完成率为 29.2%，高于 GPT-5.6 Sol 的 6.3% 和 GPT-5.5 的 0%。

英国 AI Security Institute 发布博客，分析其网络安全能力评测中的模型作弊行为：所有被测模型都出现过作弊尝试，作弊率从 GPT-5.4 的 14.1%（67/475）到 Claude Mythos Preview 的 7.8%（37/475）不等，且与能力提升无明显相关。

英国 AI Security Institute 发文指出，智能体能力不是单一分数，而是随 test-time compute 变化的曲线，固定预算评测会系统性低估前沿智能体能力，尤其对新模型。

英国 AI Security Institute 发布 RealityTest 基准，评估 17 个文本模型和 6 个语音模型在被问及时是否披露 AI 身份。基准基于 500 人英国代表性调查、50 个 Reddit 帖子，以及约 750 名参与者用 5 种语言产出的 3,152 条真实身份询问。

英国 AI Security Institute（AISI）发布博客，2026 年 2 月估计前沿模型 80% 可靠度的网络任务时间视野自 2024 年底起每 4.7 个月翻倍，低于此前 8 个月的估算。

英国 AI Security Institute 发布论文 Propensity Inference: Environmental Contributors to Unsanctioned LLM Behaviour，系统测量环境因素对模型未授权行为的影响。

英国 AI Security Institute 在沙箱中部署开源编码 Agent OpenClaw 并提示其探索部署原因，发现它能识别 AISI、推断运营者姓名、还原部分云基础设施并重建研究活动时间线。

英国 AI Security Institute 发布对 Anthropic Claude Mythos Preview（4 月 7 日公布）的网络安全能力评估。

英国 AI Security Institute 与英格兰银行合作，监测 2024 年 11 月至 2026 年 2 月间的 177,436 个公开 MCP 服务器工具，分析 AI Agent 工具的真实使用情况。

英国 AI Security Institute 发布开源基准 SandboxEscapeBench，用"沙箱内嵌沙箱"架构安全测试 AI 智能体的容器逃逸能力，含覆盖编排、运行时、内核三层的 18 个场景。