斯坦福研究：50 条被广泛引用的 LLM 结论中 44% 已失效
斯坦福研究者 Owen Queen 和 James Zou 用 8 家开发者 2024 年 7 月至 2026 年 9 月发布的 20 个模型，复测 50 条被广泛引用的 LLM 结论，发现 44% 已失效，另有 34% 明显减弱，仅 16% 仍成立、6% 反而增强。
#Anthropic
The DecoderAI 评分5858 TechCrunch · AIAI 评分6060 Anthropic 研发 FlashProve 系统，用密码学证明 AI 模型身份
Anthropic 正在研发开源系统 FlashProve，为模型输出提供可证明推理的密码学证明，让用户确认回答确实来自所声称的模型。该系统要求 AI 实验室为每个模型发布不暴露权重的指纹，验证可在本地设备完成，因此也能用于商业闭源模型。研究人员已按开源协议在 GitHub 发布技术规格和部分代码，但研究仍在进行，暂无在 Anthropic 或其他实验室部署的计划。
The DecoderAI 评分6060 Anthropic 发布 FlashProve 原型，用密码学证明 AI 回复出自所声称的模型
Anthropic 发布开源研究原型 FlashProve，用 zkSNARK 为模型输出生成密码学证明，验证回复确实来自所声称的模型，同时不暴露模型权重。