这个测试不是跑几个 math benchmark 就收工的。1030 个任务分成五类：SWE 类真实仓库 bug 修复（460 题）、终端运维类长链路操作（安全、加密、逆向、系统管理）、算法题、六语言交叉实现、法律 agent 任务。
信中主张：仅依赖闭源模型本身并不天然安全，它们同样可能被攻破、被滥用，或以外部无法察觉的方式失效；对非法蒸馏的关切应通过“有针对性的法律与商业框架”解决，而非“对创新中扮演重要角色的技术手段施加全面限制”。
短视频平台风控：识别 AI 换脸造谣视频、数字人虚假探店、合成虚假事件录像 2.
com/qos-ch/logback/releases/tag/v_1.6.1