Agentic-MME：多模态智能的代理能力评估新基准
深度2026年4月3日28 分钟阅读
最有趣的发现是：即使最佳模型在最高难度任务上的准确率也骤降至23.0%，凸显了真实世界多模态代理问题解决的巨大挑战。本文适合研究多模态智能、AI代理系统、评估基准开发的研究人员和工程师阅读。
觉得有用？分享给更多人
相关文章
Anthropic 限制其最新模型 Claude Mythos 的访问，仅提供给 Project Glasswing 的合作伙伴，理由是其在网络安全漏洞发现方面能力过强。该模型已发现数千个高危漏洞，包括各大操作系统和浏览器中的问题。多位安全专家证实，AI 在漏洞研究方面已取得质的飞跃，引发行业关注。
深度Simon Willison·4月7日·5 分钟
Claude Mythos Preview 展现出卓越的网络安全能力，能自主发现并利用零日漏洞，包括复杂的内存安全漏洞和跨多个漏洞的利用链。其漏洞利用成功率相比前代模型 Opus 4.6 有显著提升，从近 0% 提升到数百次成功。团队认为这是网络安全领域的转折点，并启动了 Project Glasswing 来帮助防御者提前加固关键系统。
深度·4月7日·5 分钟