Video-MME-v2：视频理解基准迈向新阶段

Better-Harness 将评估数据视为智能体的训练数据，通过诊断、实验、验证和人工审核的闭环，自动优化执行框架。系统使用优化集和保留集防止过拟合，并利用生产轨迹生成评估案例，形成持续改进的飞轮。

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。