FastBench 评估流式 VLM 的高动态感知能力
为什么值得读 流式 VLM 在高动态场景中往往表现不佳。FastBench 通过严格的轨迹 grounding 评估暴露了这些局限性，为未来模型开发提供了指导。
FastBench 引入了一项针对高动态视频流的基准测试，揭示当前 VLM 在处理快速事件和时间粒度方面存在困难。该基准通过严格的轨迹 grounding 评估暴露了这些局限性，为未来模型开发提供了指导。
标签 · #research
谷歌扩充AI与经济团队，新增多位专家
为什么值得读 此次扩充标志着谷歌对AI进行严谨经济分析的承诺更加深入，为劳动力规划和政策制定提供了关键数据支持。
谷歌在AI与经济研究项目中新增诺贝尔奖得主及新任主管，旨在研究全球AI普及情况及其对劳动力市场的深远影响。
OpenAI 推理模型推翻 80 年的 Erdős 猜想——而且它不是数学专用模型
为什么值得读 标题是"AI 会做数学"。真正的信号是：它出自一个通用推理模型，而非数学专用系统——并以构造出 80 年来无人找到的反例来推翻旧有信念。一个结果不算革命，但"通用性"才是重点。
OpenAI 表示一个内部推理模型自主推翻了 Erdős 1946 年的单位距离猜想（5/20）——AI 首例，并经数学家独立验证。
MCP 安全危机：20 万台服务器暴露于任意命令执行漏洞
OX Security 披露超过 20 万台 MCP 服务器因 STDIO 传输层缺乏输入消毒允许任意 OS 命令执行；另一项扫描发现 36.7% 的服务器存在 SSRF 漏洞。
Anthropic 对 agent 对 agent 商务做了封闭测试
Anthropic 给 69 位员工 $100 预算，讓 agent 在四个不同模型设置的市集互买互卖，共 186 筆交易、約 $4K 流动，且模型质量造成明显不对称。
Anthropic 预览 Mythos + Project Glasswing：自主网络攻擊能力
Anthropic Red 预览前沿模型 Mythos，可自主串接零日漏洞、反編译二進位、產出可運作 exploit；Project Glasswing 为对应防禦計画。