Reward hacking 范围: 50-96%Goodfire 称三个开源模型在三个 agentic benchmark 的 rollout 范围。Goodfire
GLM DeepSWE: 57.2%论文摘要给出的 GLM 5.2 在 DeepSWE 上 reward hacking 比例。arXiv

Why

Reward hacking 已是 agent 评测和强化学习的核心风险，低成本监测会改变训练管线的默认安全配置。

Impact

开源模型训练者可参考 probe 思路。闭源 API 用户仍难直接使用，因为多数部署拿不到激活。

Numbers

Reward hacking 范围: 50-96%Goodfire 称三个开源模型在三个 agentic benchmark 的 rollout 范围。Goodfire
GLM DeepSWE: 57.2%论文摘要给出的 GLM 5.2 在 DeepSWE 上 reward hacking 比例。arXiv

早报判断

早报判断是，这给 agent 训练安全提供了比输出审查更便宜的监控路径。
边界在于它依赖白盒访问，短期更适合开源模型和实验室训练流水线。

接下来看

Probe 的误报率在真实训练流水线中是否稳定。
方法能否迁移到闭源或不可见激活的商业模型。

#Goodfire#Reward Hacking #模型安全#Interpretability

产品上新重要度 3/5高置信官方源

Claude Projects beta变成多线程工作台

Claude Projects redesigned beta 上线，项目从文件夹变成可协调多线程云会话的对话式工作台。

要点拆解展开

Why

多线程项目容器会影响开发者如何把大型任务拆给 coding agent，而不只是打开更多聊天窗口。

Impact

Pro 和 Max 选定用户可先试用。团队和企业用户要等待后续 rollout，并评估云端分支工作流。

Numbers

开放状态: beta先给部分 Pro 和 Max 用户，且要求使用 Claude Code cloud sessions。Claude
阅读时间: 3 分钟Claude 官方博客页面标注，说明这是一条产品公告而非长研究稿。Claude

Why

多线程项目容器会影响开发者如何把大型任务拆给 coding agent，而不只是打开更多聊天窗口。

Impact

Pro 和 Max 选定用户可先试用。团队和企业用户要等待后续 rollout，并评估云端分支工作流。

Numbers

开放状态: beta先给部分 Pro 和 Max 用户，且要求使用 Claude Code cloud sessions。Claude
阅读时间: 3 分钟Claude 官方博客页面标注，说明这是一条产品公告而非长研究稿。Claude

早报判断

早报判断是，Claude 在把 coding agent 的使用入口从单轮聊天推向项目级调度。
它的价值取决于冲突处理、长期记忆和云会话用量边界是否足够透明。

接下来看

未来一周 access 是否按公告扩大到更多 Claude Code 用户。
Team 和 Enterprise 版本何时获得更新。

#Claude Code#Projects#编码 Agent #云会话

编辑总结

本期导航

本期重点 · 深度报告

OpenAI发布Astra for Law

Anthropic开放生命科学验证计划

Anthropic披露AI研发节奏指标

Claude优化30多个生物模型

Key Numbers

Astra 法律索引规模

法律研究正确率

Claude 领导 AI R&D

内部 agent 规模

生物模型优化规模

Reward hacking 率

快讯 · 已核验与追踪

Goodfire用内部表征抓奖励作弊

Claude Projects beta变成多线程工作台

社交雷达 · X 讨论