PulseAugur
中
实时 17:26:04
实体 Pink

Pink

PulseAugur coverage of Pink — every cluster mentioning Pink across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
5
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
关系
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 7 条
  1. TOOL · CL_305812 ·

    AI支付服务器缺乏健全的支出控制,只有 Pink 提供全部四项

    最近对 49 个支付 Model Context Protocol (MCP) 服务器进行的普查显示,只有 Pink Agentic AI Payments 提供了所有四项核心支出控制:预算、单笔支付限额、收款人白名单和人工审批。虽然其中 37 个服务器可以转账,但只有一小部分记录了任何支出控制,Pink 是唯一提供全部四项的提供商。该研究还强调了按时间限制速率方面存在重大差距,大多数服务器仅限制总额或单笔支付的美元金额,可能允许代理…

  2. TOOL · CL_304289 ·

    Pink AI支付系统在并发代理请求下守住了共享每日支出限额

    Pink Agentic AI Payments 是一个旨在管理 AI 代理支出的系统,经过测试以确定其共享的每日支出限额在并发请求下是否能守住。该系统充当 AI 代理和公司资金之间的中介,强制执行每个代理预算和公司范围内的每日上限等规则。在模拟三个代理同时发出超出每日6000美元限额的支付请求的测试中,该系统成功阻止了总支出超过上限。

  3. RESEARCH · CL_295820 ·

    AI支付服务器缺乏支出控制,存在代理过度消费风险 · 追踪到 2 个来源

    对 49 个支付相关的多方计算 (MCP) 服务器进行的最新普查显示,虽然其中 37 个可以处理金融交易,但在其记录的支出控制方面存在显著差距。只有四个服务器明确记录了可配置的支出预算,而提供类似人工审批步骤或速度限制功能的服务器则更少。这种缺乏强大、服务器端支出控制的情况,对于构建 AI 代理的开发者来说是一个关键问题,因为基于提示的限制很容易被规避,因此需要在支付层面上进行这些控制。

  4. TOOL · CL_284119 ·

    Pink Wallet 修复了 AI 代理支付的竞态条件和凭证风险

    PinkWallet 推出的新支付系统 Pink 解决了代理式 AI 支付中的两个关键安全漏洞。第一个是竞态条件,即并行支付请求可能绕过支出限额,该问题通过在支付执行前强制在 MCP 层执行策略来解决。第二个是持有支付凭证的代理可能被诱骗绕过限额,该问题通过从不直接向代理提供凭证来缓解;相反,它们使用 Pink 代理密钥请求付款,接收一次性凭证,或触发对超出阈值的金额进行人工审核。

  5. TOOL · CL_281023 ·

    Pink Agentic AI Payments 与 n8n 集成,实现基于规则的 AI 代理支付

    Pink Agentic AI Payments 推出了与 n8n 的新集成,允许 AI 代理在预定义的规则内进行支付。该系统在 n8n 中使用 MCP Client Tool 节点,连接到 Pink 支付服务器。该服务器强制执行每个 AI 代理的支出限额和策略,决定支付是允许、需要人工批准还是被阻止。该集成使用“coffee”模板的 Purchasing AI 代理进行了测试,展示了小额订单的即时批准以及需要人工审核的大额订单的待定状态。

  6. COMMENTARY · CL_253650 ·

    Bob Mackie,Cher等明星的著名设计师,享年87岁

    著名时装设计师Bob Mackie因其为众多名人设计的华丽而富有戏剧性的服装而闻名,他已于87岁高龄去世。他的职业生涯跨越数十年,期间他曾为Cher、Marilyn Monroe和Tina Turner等标志性人物设计服装,并获得了包括九项艾美奖和一项奥斯卡提名在内的多个奖项。Mackie独特的风格,常以其视觉上的挑衅和魅力为特征,在好莱坞和服装设计领域留下了深刻的印记。

  7. RESEARCH · CL_06515 ·

    视觉语言模型(VLMs)过度修正数学OCR,掩盖学生错误;新指标PINK改进评估

    研究人员发现,在评估手写数学OCR系统时,尤其是在使用视觉语言模型(VLMs)的情况下,存在一个重大问题。这些模型经常过度修正学生的错误,而不是准确地转录它们,从而掩盖了学习机会。为了解决这个问题,开发了一种名为PINK的新语义评估指标,该指标使用大型语言模型(LLMs)来评分并惩罚这种过度修正。在FERMAT数据集上的评估表明,与BLEU等传统指标相比,PINK显著改变了模型排名,其中Gemini 2.5 Flash在忠实转录方面表现更好。