FastBench 評估串流 VLM 的高動態感知能力
為什麼值得讀 串流 VLM 在高動態場景中常遭遇失敗。FastBench 透過嚴謹的軌跡基礎評估揭露這些限制，為未來模型開發提供指引。
FastBench 提出針對高動態影片串流的基準測試，揭示當前 VLM 在處理快速事件與時間粒度時面臨的挑戰。
標籤 · #research
Google 擴充 AI 與經濟團隊，納入新專家
為什麼值得讀 此次擴編顯示 Google 對 AI 嚴謹經濟分析的承諾更深，為勞動力規劃與政策制定提供關鍵數據。
Google 新增諾貝爾獎得主與新任主管至 AI 與經濟研究計畫，旨在研究全球 AI 採用情況及勞動市場結構性轉變。
OpenAI 推理模型推翻 80 年的 Erdős 猜想——而且它不是數學專用模型
為什麼值得讀 標題是「AI 會做數學」。真正的訊號是：它出自一個通用推理模型，而非數學專用系統——並以建構出 80 年來無人找到的反例來推翻舊有信念。一個結果不算革命，但「通用性」才是重點。
OpenAI 表示一個內部推理模型自主推翻了 Erdős 1946 年的單位距離猜想（5/20）——AI 首例，並經數學家獨立驗證。
MCP 安全危機：20 萬台伺服器曝露於任意命令執行漏洞
OX Security 披露超過 20 萬台 MCP 伺服器因未對 STDIO 傳輸層輸入做消毒，允許任意 OS 命令執行；另一項掃描發現 36.7% 的伺服器存在 SSRF 漏洞。
Anthropic 對 agent 對 agent 商務做了封閉測試
Anthropic 給 69 位員工 $100 預算，讓 agent 在四個不同模型設定的市集互買互賣，共 186 筆交易、約 $4K 流動，且模型品質造成明顯不對稱。
Anthropic 預覽 Mythos + Project Glasswing：自主網路攻擊能力
Anthropic Red 預覽前沿模型 Mythos，可自主串接零日漏洞、反編譯二進位、產出可運作 exploit；Project Glasswing 為對應防禦計畫。