前DeepMind研究员离职警示：限制大模型下一次飞跃的不是算力，而是终将崩溃的“评估系统”
大模型评估系统正面临失效危机。当模型跨入全新区间，静态基准将暗中失效。前DeepMind研究员Lun Wang指出，限制AI下一次飞跃的是评估而非算力。行业急需引入物理学中的‘序参量’预测智能相变，并...
排序
手机 Agent 的隐私红线：点个汉堡都能泄露手机号？港中深等团队首次量化越界风险
港中深联合腾讯等团队发布 MyPhoneBench，首次量化手机 Agent 在正常任务中的隐私越界行为，包含10个模拟App、300个任务、5个模型评估，并提出 iMy 隐私交互协议。