1
XBOW 借助 GPT-5.6 Sol 模型攻破 Chrome 浏览器安全沙箱，获谷歌 25 万美元奖励
IT之家 10 月 14 日消息，安全研究团队 XBOW 近期发现、构建一套 Chrome 浏览器全链路漏洞利用程序，预计影响全球约 10 亿用户。相关漏洞目前已报告给谷歌且已经修复， 谷歌还为团队提供了 25 万美元 （IT之家注：现汇率约合 167.6 万元人民币） 漏洞赏金 。 XBOW 表示…
2
AI 挖掘的漏洞报告存在误报，华为终端安全奖励计划要求提交前进行人工分析和验证
IT之家 10 月 14 日消息，华为安全应急响应中心今日发布华为终端安全奖励计划关于后续漏洞报告处置规则的公告。 官方表示，今年收到了大量利用 AI 工具辅助挖掘的漏洞报告，其中大多数报告都提供了 PoC（IT之家注：概念验证，证明某个安全漏洞确实存在且可被触发的代码、脚本、请求数据包或详细复现步…
3
谷歌调整 Chrome 浏览器漏洞赏金计划：高危漏洞最高奖励 2 万美元
IT之家 10 月 14 日消息，谷歌依靠安全研究员提交的漏洞报告，再结合内部安全团队，保障 Chrome 等应用抵御漏洞利用攻击。过去数月，谷歌已对漏洞奖励计划（VRP）作出多项调整，包括 5 月下调 Chrome 漏洞奖金、7 月借助 AI 提升 Chrome 安全性。如今，谷歌将对 Chrom…
4
索尼 PlayStation Stars 奖励计划下月永久关停：赶紧花掉你手里的积分
IT之家 10 月 4 日消息，PlayStation 用户仅剩一个月时间，可以继续使用索尼的一项重要服务，之后这项服务就将永久关停。 PlayStation Stars 是索尼在 2022 年推出的 PlayStation 官方忠诚度奖励计划，玩家免费注册后，通过购买游戏、完成挑战或每月游玩等方式…
5
索尼公布《战神：劳菲》游戏预购奖励，明日开启预购
IT之家 9 月 28 日消息，索尼官方现已公布《战神：劳菲》游戏预购奖励。本作将于 2027 年 2 月 16 日发售，登陆 PS5 平台， 明日开启预购 。 IT之家注意到，所有预购《战神：劳菲》的玩家都将获得“最后的愿望”护甲套装，穿上后可让劳菲获得蓝色调的铠甲。其次是普朗克的外观装饰，普朗克…
6
纽约市议员提议立法奖励危险 AI 举报人，奖金来自收取的罚款
IT之家 9 月 25 日消息，据彭博社今天（25 日）下午报道，纽约市议员希望通过经济奖励，鼓励举报人揭露危险的 AI 做法。 这是纽约市一揽子加强 AI 监管法案的一部分。纽约市议会即将审议的一项措施提出，举报人报告 AI 公司的违规行为后，可从最终 向当事公司收取的罚款或罚金中获得一定份额奖金…
7
索尼被曝测试 PlayStation 新奖励机制：购买部分游戏可获“返利”
IT之家 9 月 22 日消息，据外媒 Eurogamer 今天（22 日）晚间报道，索尼被曝正测试一项新的 PlayStation 奖励计划。近期多名用户在社交媒体和 Reddit 发帖称，从 PlayStation 商店购买某些游戏时， 可以额外获得钱包余额奖励 。 Reddit 用户 Jann…
8
北京：举报 6 类重大违法行为最高奖励 100 万元，外卖小哥举报“幽灵外卖”同样有奖
IT之家 9 月 17 日消息，据北京晚报报道，北京市市场监督管理局近日联合北京市财政局发布《北京市市场监管领域违法行为举报奖励办法》（以下简称《办法》）。该《办法》将于 2026 年 10 月 1 日起正式施行。 根据《办法》规定，公民举报的违法行为经查证属实并结案后，可依法获得相应的物质奖励。可…
9
Reinforcing Multi-Turn Reasoning in LLM Agents via Fine-Grained Reward Structure and Credit Assignment
多轮推理强化学习新方案，细粒度奖励结构直击信用分配难题，提升LLM代理决策可靠性。
arXiv:2505.11821v3 Announce Type: replace Abstract: Reinforcement Learning (RL) approaches have been wildly used to enhance the reasoning capabilities…
10
Debate Training Reduces Reward Hacking in RLAIF
用辩论训练对抗奖励黑客，为AI对齐提供新思路，值得关注。
arXiv:2608.17776v1 Announce Type: new Abstract: We demonstrate that RL finetuning an LLM using debate, a two-player adversarial game between a generat…
11
Reinforcing Consistency in Video MLLMs with Structured Rewards
视频多模态模型常“看走眼”？这项研究用结构化奖励强化推理一致性，为视频理解立新标尺。
arXiv:2604.01460v2 Announce Type: replace Abstract: Multimodal large language models (MLLMs) have achieved remarkable progress in video understanding.…
12
TRCA: Transition-wise Rubric Credit Assignment for Long-horizon LLM Agents
面向长时程智能体，TRCA用过渡级评分信用分配破解稀疏奖励难题，值得关注。
arXiv:2608.16156v1 Announce Type: new Abstract: Long-horizon large language model (LLM) agents are typically optimized with sparse terminal outcomes, …
13
Uncertainty-Aware Variational Reward Factorization via Probabilistic Preference Bases for LLM Personalization
把个性化奖励拆解成可解释概率偏好，不确定性建模让LLM对齐更稳更准。
arXiv:2604.00997v2 Announce Type: replace Abstract: Reward factorization personalizes large language models (LLMs) by decomposing rewards into shared …
14
X 平台将于 9 月 8 日推出全新“原创内容奖励计划”，要求至少拥有 500 名经过认证的粉丝才可参与
X平台9月8日推原创内容奖励，需500认证粉丝及90天50万曝光，按有效曝光量分成。
IT之家 8 月 9 日消息，SpaceX AI 旗下负责创作者产品的高级产品经理 Allegra Jacchia 在 X 平台发文，宣布 X 平台将于 9 月 8 日推出全新的“原创内容奖励计划”（Original Content Rewards）。 根据新计划，创作者需要满足一定条件才有资格参与…
15
类似索尼 PlayStation 白金奖杯：微软 XBOX 今年有望上线全成就奖励
IT之家 8 月 6 日消息，科技媒体 Windows Central 今天（8 月 6 日）发布博文， 报道称微软 XBOX 确认将于 2026 年上线全成就完成奖励 ，类似于索尼 PlayStation 平台的“白金”（Platinum）成就。 微软 XBOX 首席执行官阿莎 · 夏尔马（Ash…
16
Start Classifying: Categorical Critics for LLM Reinforcement Learning
用分类器替代传统标量奖励，为LLM强化学习开辟全新范式，COLM 2026亮点论文不可错过。
arXiv:2608.02181v1 Announce Type: new Abstract: Proximal Policy Optimization (PPO) for large language models typically trains its critic by mean-squar…
17
微软漏洞赏金计划 2026 财年支出首次突破 2000 万美元，562 名研究人员获奖创纪录
一天就能逛完的微软安全年报？2026财年漏洞赏金破2000万美元，562名研究员获奖创纪录，安全社区协作成果直观可见。
IT之家 8 月 4 日消息，微软安全响应中心（MSRC）今日公布了微软漏洞奖励计划年度成果。 在截至 2026 年 6 月 30 日的 2026 财年中，微软漏洞赏金计划累计向 562 名安全研究人员支付超过 2,000 万美元 （IT之家注：现汇率约合 1.35 亿元人民币） 奖金，参与研究人员…
18
Tail-Aware Information-Theoretic Bounds for LLM Alignment under Heavy-Tailed Rewards
从理论层面重新审视LLM对齐的奖励分布假设，揭示重尾效应对对齐边界的影响，值得关注。
arXiv:2604.10727v2 Announce Type: replace-cross Abstract: Classical information-theoretic learning bounds typically rely on KL mutual information and …
19
PAIR: Prefix-Aware Internal Reward Model for Multi-Turn Agent Optimization
面向多轮智能体优化，提出前缀感知内部奖励模型，解决长对话稀疏奖励难题。
arXiv:2605.17877v2 Announce Type: replace Abstract: A significant hurdle for current LLMs is the execution of complex, multi-stage tasks. Group Relati…
20
HARGO: Heterogeneity-Aware Reward-Guided Optimization for RL Post-Training of LLMs on HPC Tasks
打破LLM后训练算力瓶颈，异构感知奖励引导优化让HPC任务上的强化学习更高效精准。
arXiv:2607.28301v1 Announce Type: new Abstract: Supervised fine-tuning (SFT) can equip large language models (LLMs) with domain knowledge for high-per…