2026-01-22 这一期

这一期没有导语。

本期收录

• Kimi Vendor Verifier (2026-01-22 · Kimi Blog)
  Moonshot AI 开源了推理实现验证工具 KVV，包含六个针对基础设施故障的基准测试，覆盖参数执行、多模态、长输出和工具调用一致性。
• Petri 2.0：新场景、新模型对比与改进的评估感知缓 (2026-01-22 · Anthropic Alignment Science)
  Anthropic 更新开源审计框架，新增 realism 分类器减少模型在测试中识别出被评估的情况，种子库从 50 个场景扩展到 120 个。