Tootfinder

Today's Metacurity is a wild and varied mix of critical infosec developments you should know, including
--Iran's Handela group claims control of the IT infrastructure in St. Joseph County, Indiana,
--Hasbro takes down systems after cyberattack,
--Italy’s ASIGINT accused of fake WhatsApp app,
--Attackers use WhatsApp to spread malicious MSI files,
--$250M stolen from DeFi project Drift,
--Anthropic knocks out GitHub repos in frantic bid to pull back …

Iran's Handela group claims control of the IT infrastructure in St. Joseph County, Indiana
Hasbro takes down systems after cyberattack, Italy’s ASIGINT accused of fake WhatsApp app, Attackers use WhatsApp to spread malicious MSI files, $250M stolen from DeFi project Drift, Anthropic knocks out GitHub repos in frantic bid to pull back exposed code, much more

Heute habe ich es dann im dritten Anlauf endlich mal geschafft, den #Greifensee per Velo zu umrunden. Bin nicht verschifft worden und es ging auch kein Freilauf kaputt. Und da das G-Line wegen letzterem immer noch beim Mech ist, bin ich mit dem Velospeeder #Brompton H6RD geradelt — obwohl ich den Velo…

"Emoji wird offizielles Satzzeichen", vermeldet der Duden!
https://www.instagram.com/p/DWlHPUPiFTn/?img_index=1
🙃

So I have a friend who works for NASA (actual rocket scientist) and worked with Christina Koch on a project once, which I guess means I'm two degrees of separation from the Artemis moon mission? Living in the DC area is sometimes like that.

🔥Dems win special election in Texas, narrowing Republicans majority.
⭐️Friends, there are now just 37 days until the special election in Georgia to fill the seat vacated by Marjorie Taylor Greene. 
20 Republicans are running. 
One Democrat is running. 
I’m that Democrat. 
This is how we win. 
This is how we take back the House -- and put a check on Trump's rampage against our Democracy.
I’m Shawn Harris.
I’m a Democrat. Husband. Father. Reti…

Help Defeat Marjorie Taylor Greene
Chip in $3 to support Shawn Harris for Georgia!

EAG-PT: Emission-Aware Gaussians and Path Tracing for Indoor Scene Reconstruction and Editing
Xijie Yang, Mulin Yu, Changjian Jiang, Kerui Ren, Tao Lu, Jiangmiao Pang, Dahua Lin, Bo Dai, Linning Xu
https://arxiv.org/abs/2601.23065 https://arxiv.org/pdf/2601.23065 https://arxiv.org/html/2601.23065
arXiv:2601.23065v1 Announce Type: new
Abstract: Recent reconstruction methods based on radiance field such as NeRF and 3DGS reproduce indoor scenes with high visual fidelity, but break down under scene editing due to baked illumination and the lack of explicit light transport. In contrast, physically based inverse rendering relies on mesh representations and path tracing, which enforce correct light transport but place strong requirements on geometric fidelity, becoming a practical bottleneck for real indoor scenes. In this work, we propose Emission-Aware Gaussians and Path Tracing (EAG-PT), aiming for physically based light transport with a unified 2D Gaussian representation. Our design is based on three cores: (1) using 2D Gaussians as a unified scene representation and transport-friendly geometry proxy that avoids reconstructed mesh, (2) explicitly separating emissive and non-emissive components during reconstruction for further scene editing, and (3) decoupling reconstruction from final rendering by using efficient single-bounce optimization and high-quality multi-bounce path tracing after scene editing. Experiments on synthetic and real indoor scenes show that EAG-PT produces more natural and physically consistent renders after editing than radiant scene reconstructions, while preserving finer geometric detail and avoiding mesh-induced artifacts compared to mesh-based inverse path tracing. These results suggest promising directions for future use in interior design, XR content creation, and embodied AI.
toXiv_bot_toot

Ich habe den Abend damit verbracht, Fotos anzusehen, die ich in meiner Schulzeit aufgenommen habe. Fotos, die mir so wichtig sind, dass ich sie nicht nur aufgehoben habe, sondern dass ich sie separat aufgehoben habe. Viele der Fotos sind mir so fremd, als ob sie zu einem ganz anderen Leben gehören. Ich fühle mich so klein und verloren und einsam wie ein Kind, das sich im dichten Wald verlaufen hat und nie mehr zurückfinden wird nach Hause. Ich wünsche mir im Moment nichts mehr, als dass ich sei…

Ich habe den Abend damit verbracht, Fotos anzusehen, die ich in meiner Schulzeit aufgenommen habe. Fotos, die mir so wichtig sind, dass ich sie nicht nur aufgehoben habe, sondern dass ich sie separat aufgehoben habe. Viele der Fotos sind mir so fremd, als ob sie zu einem ganz anderen Leben gehören. Ich fühle mich so klein und verloren und einsam wie ein Kind, das sich im dichten Wald verlaufen hat und nie mehr zurückfinden wird nach Hause. Ich wünsche mir im Moment nichts mehr, als dass ich sei…

Bilder machen bei vielen Shops über 50 % des Seitengewichts aus – und werden kaum optimiert. 🖼️
Dateiname "IMG_4832.jpg" sagt Google nichts. Alt-Text fehlt. Format ist JPEG statt WebP. Lazy Loading? Fehlanzeige.
Dabei ist Bilder-SEO low-hanging fruit: Beschreibende Dateinamen, Alt-Text mit Kontext, WebP mit Fallback, Lazy Loading ab Bild 2. Kostet einen Nachmittag, spart Ladezeit und bringt Traffic über die Bildersuche.

Probing Dec-POMDP Reasoning in Cooperative MARL
Kale-ab Tessera, Leonard Hinckeldey, Riccardo Zamboni, David Abel, Amos Storkey
https://arxiv.org/abs/2602.20804 https://arxiv.org/pdf/2602.20804 https://arxiv.org/html/2602.20804
arXiv:2602.20804v1 Announce Type: new
Abstract: Cooperative multi-agent reinforcement learning (MARL) is typically framed as a decentralised partially observable Markov decision process (Dec-POMDP), a setting whose hardness stems from two key challenges: partial observability and decentralised coordination. Genuinely solving such tasks requires Dec-POMDP reasoning, where agents use history to infer hidden states and coordinate based on local information. Yet it remains unclear whether popular benchmarks actually demand this reasoning or permit success via simpler strategies. We introduce a diagnostic suite combining statistically grounded performance comparisons and information-theoretic probes to audit the behavioural complexity of baseline policies (IPPO and MAPPO) across 37 scenarios spanning MPE, SMAX, Overcooked, Hanabi, and MaBrax. Our diagnostics reveal that success on these benchmarks rarely requires genuine Dec-POMDP reasoning. Reactive policies match the performance of memory-based agents in over half the scenarios, and emergent coordination frequently relies on brittle, synchronous action coupling rather than robust temporal influence. These findings suggest that some widely used benchmarks may not adequately test core Dec-POMDP assumptions under current training paradigms, potentially leading to over-optimistic assessments of progress. We release our diagnostic tooling to support more rigorous environment design and evaluation in cooperative MARL.
toXiv_bot_toot