评估

ChainCatcher 消息，谷歌 DeepMind 研究人员 Zhengxuan Wu、Yuxuan Li、Oyvind Tafjord、Been Kim 发布预印本论文《XYEval: Agents say yes to bad advice》，提出元评估框架 XYEval，用于评估智能体面对用户误导性建议时的表现。论文将“XY 问题”扩展到智能体场景，即用户询问的是自己尝试的解法 X，而非真正的问题 Y。XYEval 保留原任务环境与可验证答案，只在指令中追加看似合理但具有误导性的用户建议。误导建议由生成器在看到完整任务后生成，并以自信建议而非硬性要求的形式附加，使原任务仍可解。评估覆盖 τ2-bench、SWE-bench Verified、SWE-bench Pro、Terminal-Bench、Humanity’s Last Exam 与 MCP-Atlas 六个基准及五个模型，其中 τ2-bench 的误导建议由人工专家制定的规则生成。论文称，任务经 XY 变异后表现大幅下降，相对降幅最高达 46.7%。在 τ2-bench 上，面对要求先给出详细解释才接受更好方案的用户时，表现下降更多。鼓励模型意识到 XY 问题的简单系统指令只能部分缓解。相关代码发布于 GitHub 仓库 google-deepmind/xyeval。

ChainCatcher 消息，据彭博社报道，SpaceX 拟议中的 400 亿美元 AI 融资计划被爆出遭遇阻碍。消息人士透露，SpaceX 拟采用特殊目的实体（SPV）方式进行募资，该融资方式可以将相关负债移出资产负债表，以保护 SpaceX 自身投资级信用评级。然而，近期信贷市场的剧烈波动使借贷成本谈判趋于复杂，投资者已经开始重新评估为大规模 AI 基础设施项目提供融资所面临的风险。目前，高盛正牵头与以阿波罗全球管理公司为首的投资方展开磋商。

ChainCatcher 消息，据 CoinDesk 报道，瑞典央行正推动议员重新审视发行电子克朗（e-krona）的必要性，认为随着外币稳定币和数字欧元发展，瑞典克朗在支付体系中的使用可能面临长期压力。瑞典央行副行长 Per Jansson 表示，如果现金进一步数字化，而瑞典克朗缺乏便捷的数字形态，本币可能难以与可跨境使用的数字支付工具竞争。尽管央行目前尚未决定是否正式发行电子克朗，但希望立法层面尽早启动准备，因为相关制度和技术工作预计至少需要 5 年。

ChainCatcher 消息，据 Gate 行情数据显示，因投资者担忧 AI 领域支出难以持续，美国科技股大幅下挫。纳指周四下跌 2.6%，创 6 月以来最大单日跌幅。Meta 股价跌 7%，尽管营收增长但利润未达预期。英伟达 CEO 表示 AI 缺乏资本支持新型云服务商增长，费城半导体指数暴跌 6.7%。投资者转向债券市场避险，美国国债收益率下降。

ChainCatcher 消息，GENIUS Act 于 2025 年 7 月 18 日生效，通常适用日期为颁布后 18 个月，或主要联邦支付型稳定币监管机构发布最终实施规则后 120 日，以较早者为准。美国财政部预计一般生效日为 2027 年 1 月 18 日，部分发行与销售限制将于 2028 年 7 月 18 日生效。美国货币监理署（OCC）已于 2026 年 2 月公布主要实施提案，美联储于 2026 年 9 月 24 日提出涉及受监管发行方、储备、资本、风险管理、托管及申请程序的规则。2026 年 9 月 30 日生效的临时最终规则已建立州监管制度认证的表格与程序。稳定币发行方需评估审批、审慎监管、储备及赎回要求；分销商和中介机构需分析兑换、转账、托管及相关金融服务义务。持有稳定币的企业还需审查赎回渠道、储备安排、托管、冻结及交易对手风险，接受稳定币支付则需区分收取自身商品或服务款项与代他人转移资金。拟发行方可选择受保存款机构批准子公司、联邦合格发行方或州合格发行方路径；符合条件且未偿发行量不超过 100 亿美元的州合格发行方可选择州监管。支付型稳定币储备须至少一比一覆盖未偿代币，企业还需梳理资金流、客户权利、合规责任及产品收益安排，相关发行方不得仅因持有、使用或保留支付型稳定币支付利息或收益。

ChainCatcher 消息，10 月 15 日，Anthropic 宣布已开始向非营利组织 METR 的一个团队提供类员工访问权限，用于评估其模型与安全实践。公司称，上个月已承诺加强独立第三方评估，并签署白宫《超级智能协议》，其中包含与独立外部审计方或评估方合作的承诺。过去一年，Anthropic 已与 METR 合作审查若干份风险报告，METR 将公布其风险评估结果。Anthropic 已为 6 名 METR 员工配备公司硬件、办公空间，以及与自身风险评估团队大致相当的内部工具和系统访问权限。除客户数据、律师与客户特权信息、模型架构信息等少数明确类别外，员工被鼓励像对待从事对齐风险工作的同事一样分享信息。METR 可发表对风险水平、事件或做法的分析，Anthropic 不能否决发表，但可要求删除预先界定的狭窄类别信息；METR 可公开说明删节情况，并在不泄露被删内容的前提下说明其是否认为删节合理。该安排仅限于在可执行协议下工作的小团队，其他 METR 员工与该团队工作隔离。Anthropic 同时与 SecureBio、Accenture 合作开展评估，并与包括 Hugging Face 在内的其他组织进行早期讨论。SecureBio 正在审查 2026 年 8 月风险报告中的化学与生物武器章节，此前已完成并发表对上一份风险报告的试点审查。

ChainCatcher 消息，马斯克表示，SpaceX 可能会效仿 Anthropic，聘请外部安全评估人员。

ChainCatcher 消息，据 The Information 报道，英伟达与 ChipAgents 启动了人工智能芯片设计评估项目。

ChainCatcher 消息，特朗普政府计划将美国人工智能模型测试机构 CAISSI 的 3 名高级官员调入白宫，直接向白宫科技政策主管 Michael Kratsios 和国家网络主任 Sean Cairncross 汇报。此前政府曾考虑把整个机构迁入白宫，最终只调整部分高层，相关调动尚未完成，3 名官员身份未披露。该机构自拜登政府设立以来不到两年已先后使用 3 个名称，今年 7 月负责人 Chris Fall 上任仅 3 个月便辞职，继任者尚未确定。CAISSI 隶属美国商务部下属国家标准与技术研究院 NIST，约有 40 名员工，年度预算约 1500 万美元，承担模型安全评估。据知情人士，该机构正与美国国家安全局合作，在公开发布前测试 OpenAI 的 Astra 和 Anthropic 的 Mythos，此前还公开评估过 DeepSeek V4 Pro 和智谱 GLM-5.3。谷歌确认 Gemini 4 Argon 已参与美国政府发布前自愿测试流程。白宫希望借此次调整，让模型测试专家更直接参与政策决策。

ChainCatcher 消息，据 CoinDesk 报道，专为代币化现实世界金融资产打造的 Layer 2 区块链 Robinhood Chain 正在评估一套交易排序系统，允许用户支付费用以优先处理特定交易。该技术由 Robinhood Chain 的基础设施提供商 Arbitrum 开发。知情人士称，Arbitrum 此前推出的付费交易排序技术 Time Boost 可为用户提供 200 毫秒的优先排序优势，但已于 9 月 24 日被新的 Priority Gas Auctions 模式取代，后者允许交易者支付更高费用使单笔交易优先处理。Robinhood Chain 正在评估的正是这一新版本。目前 Robinhood Chain 采用先到先得的交易排序策略，尚未使用 Arbitrum 最初的 Time Boost 应用。自 7 月上线以太坊兼容网络以来，Robinhood Chain 热度快速上升，已进入按总锁仓价值排名的区块链前十。Robinhood 的传统经纪业务长期通过“订单流付费”获利，即做市商向经纪商付费以获取客户订单的路由权。链上付费交易优先权的作用机制有所不同，它通过加快交易处理速度为交易者带来优势，帮助专业机构争夺转瞬即逝的交易机会。

ChainCatcher 消息，欧洲证券和市场管理局（ESMA）发布征求意见文件，向业内征集代币化抵押品在法律、流动性及运营方面风险的反馈，以评估清算机构能否在市场承压时获取并变现相关资产，并决定是否需要新增欧盟监管措施。ESMA 主席 Verena Ross 表示，需通过法律确定性、基础设施互操作性及适当监管，为代币化市场跨境安全运营和规模化发展创造条件。代币化抵押品正进入欧洲清算业务，银行和投资者可据此更快获取证券以满足保证金要求。此次评估还将审查成员违约时，现行欧盟规则能否支持清算机构获取并清算代币化抵押品。2025 年 7 月，Eurex Clearing 推出基于分布式账本技术的抵押品服务，JPMorgan 已为荷兰养老投资者 PGGM 完成首笔实时交易。ESMA 还将评估传统金融基础设施持有资产的代币化形式、原生发行于分布式账本的资产，以及其与稳定币、央行货币和代币化存款的关系。欧洲央行体系 2025 年 9 月推出 Pontes，用于以央行货币结算代币化资产交易，并可连接区块链基础设施与现有结算系统。

ChainCatcher 消息，韩国副总理兼企划财政部长官李炯日表示，针对计划于 2027 年实施的虚拟资产征税政策，将广泛收集国会提出的各种意见，以及专家、行业人士和相关利益方的意见。韩国议员金相勋质疑，在虚拟资产征税实施前数月相关基础设施仍未完善，包括海外交易所、DEX、DeFi 等平台交易记录的追踪和验证能力不足。对于虚拟资产征税预计带来的税收规模，李炯日表示，目前确实存在“难以准确掌握的部分”，由于征税需要先获得纳税申报数据，将在明年启动相关申报体系后才能进一步进行税收估算，并且审慎评估相关政策。

ChainCatcher 消息，据 The Block 报道，标普全球评级已推出面向链上借贷金库的新风险评估框架。报道称，该领域存款规模已达 100 亿美元，两年前为 15 亿美元。该框架将评估信用、流动性、管理人、区块链、协议、安全与治理风险，首批金库评估将随后公布。

ChainCatcher 消息，美国白宫已成立人工智能特设工作组，由国家情报总监克莱顿牵头，计划于 120 天内起草 AI 风险评估报告，明确联邦政府对相关技术的监管责任。 与此同时，特朗普正全力为 2026 年中期选举造势，在俄亥俄州集会中强调共和党需动用一切投票方式争取胜利，并提及斯特兰蒂斯、Electra.aero 及拜耳等企业投资承诺系其关税政策促成。 此外，特朗普还敦促参议员汤姆·科顿停止个人阻挠《阳光保护法案》，要求参议院立即投票通过以结束一年两次调整时钟，直接锁定夏令时。相关立法与产业监管动态正同步展开。

ChainCatcher 消息，由于美以对伊朗的战争扰乱了中东地区的产能扩张计划，欧佩克+ 推迟了石油产能评估工作。该评估旨在确定 2027 年石油产量配额，原计划于 2026 年 9 月底前完成，现预计将在 11 月中旬之前完成。

ChainCatcher 消息，Cointelegraph 援引以太坊联合创始人、Consensys 创始人 Joe Lubin 的表态称，MetaMask 正在评估推出原生代币的路径，但目前没有立即推出 MASK 的计划。MetaMask 是 Consensys 开发的加密钱包。Lubin 表示，团队仍在评估相关方案，现阶段并未确定近期发行时间表。

ChainCatcher 消息，数字资产金融服务集团 HashKey 正在评估亚洲和中东地区的更多收购标的、战略投资机会及潜在合作。HashKey 首席财务官 Eric Zhu 在接受 Mergermarket 采访时表示：未来 12 至 24 个月的资本部署将聚焦交易与流动性、托管、清算与结算、支付以及代币化，优先市场包括新加坡和东南亚、日本以及中东。HashKey 正从单一交易平台发展为综合数字资产与金融服务基础设施提供商。

ChainCatcher 消息，Bitget 在 X 平台发文表示，Bitget 保护基金持有 5,500 枚 BTC，按当前价格约合 4.64 亿美元。所有基金钱包地址均公开，任何人都可随时在链上验证。 该基金旨在保护用户资产免受平台级威胁，例如网络安全事件。本次热钱包事件造成的损失，经评估后将由保护基金承担。我们将对该基金进行补充。具体细节和覆盖条款将另行公布。

ChainCatcher 消息，OpenAI 宣布将允许外部机构在早期阶段评估其 AI 模型。

ChainCatcher 消息，据 Gate 行情数据显示，埃森哲 (ACN.N) 美股盘前涨 6.1%，与 Anthropic 合作投资 20 亿美元用于人工智能评估。