从内部检测有害内容：利用模型内部表示

Instinct 上线 Instinct Concierge，可代用户拨打餐厅、牙医、有线电视账单等电话，先向部分用户开放早期访问；Meta 的 Muse 也向美国商户推出外呼测试，优先开放给主动提出需求的用户。Instinct 此前完成 3.5 亿美元融资、估值 25 亿美元，并传出正洽谈 10 亿美元新融资、估值达 100 亿美元。Sensor Tower 数据显示 Muse 上线前五天下载量超过 Meta AI 应用。

作者往一条智能体流水线里植入了一条错误需求，实现了代码和测试后，六项测试全部通过、所有自动化门禁放行，系统却违背了自身声明的核心结果。文章拆解了从记录范围会议到周四发布的完整流水线，指出代码和测试都源自同一份验收标准，因此天然一致，却无法判断标准本身对错。