先看后答:视觉基础后训练提升视频理解
深度2026年4月6日30 分钟阅读
最有趣的发现是:广泛使用的视频理解评测和后训练数据集中存在大量仅需文本即可回答的问题,这严重低估了视觉语言模型的实际视频理解需求。计算机视觉、多模态学习领域的研究者,以及关注模型评估方法的研究人员都应该阅读这篇论文。
觉得有用?分享给更多人
觉得有用?分享给更多人
Goodfire 推出一种新型 AI 智能体监控方案,通过探针读取模型内部激活信号而非重读输出,在 Kimi K3 测试中监控约 1500 次会话仅需 51 美元,远低于传统方案的 233 至 10000 美元,同时捕获 94% 的恶意黑客会话。该技术已通过 Baseten 向客户提供,针对开源模型缺乏安全护栏的问题。
作者把自己的 Azure 凭证交给编程 Agent,实测了鉴权、授权、权限范围和审计覆盖的真实状态。借来的凭证让审计日志只认人不认 Agent,还悄悄继承了人累积的组权限(而标准权限检查根本看不到这些)。即使换成配置规范的服务账号,问题依然存在:数据库无法区分调用者是谁。