全部 · 2026-05-12

这个案子给做 AI 写作工具的人敲了警钟。两家公司做了一个能一键生成某社交平台风格“种草笔记”的工具，会员费从月付 40 元到终身 168 元，还直接用了平台的命名和调性做宣传，诱导用户把 AI 编的假体验发上去。法院认为这破坏了平台靠真实分享攒下的内容生态，构成不正当竞争，判赔 10 万元。 判决里最有信息量的是那个“四要素判定法”：一看是不是生成式 AI 服务，二看是不是针对特定平台场景做的，三看有没有诱导用户发假内容，四看是不是商业行为。这四点全中，就没跑了。这个框架比单纯说“AI 不能造假”要具体，以后类似纠纷大概率会参考它。 不过报道没提这 10 万元是怎么算出来的，也没说被告靠这个工具赚了多少钱。如果违法所得远高于赔偿额，那威慑力就得打个折。另外，判决只约束了工具提供者，那些用工具批量发假笔记的用户和 MCN 机构怎么追责，正文也没展开。

这篇研究最直接的信息是：用 Qwen3-14B-Base 做长思维链的监督微调，模型在训练 8 轮后跨领域表现会先跌后涨，最终超过原始水平。这推翻了“SFT 只能死记硬背”的刻板印象，但别急着下结论。 他们总结出泛化成立的三个条件：训练要足够深、数据质量和结构得过关、基座模型本身能力要强。听起来合理，但正文没披露具体用了什么数据集，也没说跨领域任务到底测了哪些。没有这些，很难判断这个结论的适用范围有多宽。比如，如果训练数据本身就是高质量、多领域的，那“泛化”可能只是数据覆盖面的功劳，而不是训练深度的魔法。 另外，8 轮这个数字值得留意。对很多团队来说，14B 模型跑 8 轮全量 SFT 成本不低，如果只是为了等那个“先跌后涨”的拐点，性价比得自己算。还缺消融实验，比如换个小模型或差一点的数据，这个规律还成立吗？

这条更新挺实在：Peekaboo v3 让模型能直接截取 Mac 屏幕的像素级画面，读出 UI 元素位置，然后模拟点击、打字、快捷键、滚动和拖拽。说白了，就是给模型装上了眼睛和手，能在桌面软件里干活，不再只对着代码编辑器发呆。它还通过 MCP 服务接入了 Cursor、Claude Code 和 Codex，等于让这些编程助手能跨出编辑器，去操作浏览器、设计工具或其他桌面应用。 但正文没披露两个关键数据：一是从截图到执行动作的延迟有多高，这直接影响实时操作的体验；二是 UI 元素识别和点击的准确率，点错按钮在自动化流程里会直接翻车。另外也没提对非标准控件、多窗口切换这些复杂场景的支持程度。这些缺口意味着现在还不好判断它能不能扛住真实工作流，建议等社区跑出实测数据再下结论。

这条新闻的核心判断很直接：Anthropic 工程师 Thariq 认为模型应该直接吐 HTML，而不是 Markdown，Karpathy 也站队了。理由听起来合理——Markdown 语法歧义多，各家解析器实现不统一，模型生成时容易翻车；HTML 虽然啰嗦，但结构明确，对自动化处理和前端渲染更友好。 不过，这条信息有个硬伤：原文被微信环境异常拦截，我们看不到 Thariq 列出的具体 5 个理由，只能从摘要里知道“生成 HTML 比 Markdown 慢 2 到 4 倍”。这个延迟代价不小，意味着如果真这么干，模型响应速度会明显变慢，对实时交互场景不太友好。 还缺什么？第一，那 5 个理由的完整论证；第二，有没有实测数据对比两种格式的错误率、渲染一致性；第三，这个建议是针对所有模型输出，还是只针对前端代码生成这类特定任务。这些没补上之前，这更像一个值得讨论的方向，而不是定论。

这次攻击不是偷 npm 账号密码，而是利用 GitHub Actions 的三个漏洞组合，绕过了双重验证，直接用 OIDC 信任链把恶意包推到 npm 上。攻击者在一个叫 voicproducoes 的账号下搞了个孤儿提交，里面塞了 2.3MB 的混淆脚本，安装时自动跑起来，从 AWS、GCP、Kubernetes、GitHub 等十几个常用位置搜刮密钥和 SSH 私钥，然后加密上传走人。 受影响的包覆盖 @tanstack、@mistralai、@uipath 等命名空间，总共 373 个恶意版本。像 @tanstack/react-router 周下载量超 1200 万次，传播面确实大。但正文只列了恶意版本号，没说这些版本在 npm 上存活了多久、实际有多少人下载安装了恶意版本，也没给出受影响用户的通知渠道或自查方法。 TanStack 事后复盘把攻击链归因于 pull_request_target 的"Pwn Request"模式、跨 fork 缓存投毒和内存里扒 OIDC 令牌，这三个洞单独看都不新鲜，组合起来确实难防。还缺一个关键信息：攻击者到底有没有用偷来的密钥干别的事，还是只完成了窃取和外传。

宇树科技计划年内上市，这是目前能从 FT 这篇报道里确认的唯一硬信息。至于融资金额、估值、上市地和具体时间表，正文全被付费墙挡住了，没法核实。标题用了一个问句——“投资人会不会拥抱”，这本身就透露出市场对它的商业化能力和估值还有不小疑虑。人形机器人赛道热闹归热闹，但从能跑能跳到能稳定赚钱，中间还隔着量产、成本和落地场景几座大山。宇树在硬件和运动控制上确实有积累，但上市要讲的是收入增长和盈利路径，这两块目前公开信息太少。想判断这事靠不靠谱，还得等招股书出来，看真实营收、客户集中度和毛利率到底怎么样。

OpenAI 搞了个叫 Parameter Golf 的比赛，规则很硬：模型加代码总共不能超过 16MB，训练时间只有 10 分钟（用 8 张 H100），看谁能在固定数据集上把测试损失压到最低。八周里一千多人交了超过两千份方案。我会先打个折，因为这是 OpenAI 自己发的总结，但里面确实有些实在的观察。 最狠的几招不是发明新架构，而是把已有组件调得更狠。比如有人把前几名获胜方案的优化器、权重衰减、初始化技巧组合起来，就拿到了很好的成绩。量化方向也有人用 GPTQ 这类压缩方法，在模型训完之后再把体积压小，效果明显。还有个有意思的边界探索：有人在测试阶段对每个文档现场微调一小部分参数，测完就重置，这不算作弊但确实在规则边缘试探。 OpenAI 特别提到 AI 编程助手在这次比赛里用得很多，降低了参与门槛，但也给评审和归属带来了麻烦。正文没披露具体用了哪些模型当助手，也没说最后获胜方案的测试损失到底降到了多少，缺了关键数字。另外，他们承认这个比赛也是招人渠道，所以总结里对技术亮点的筛选可能偏乐观，这点先别太激动。

Parameter Golf 这个比赛规则很硬：模型加代码总大小不能超过 16MB，训练时间只有 10 分钟（用 8 张 H100），看谁能在固定数据集上把测试损失压到最低。超过 1000 人提交了 2000 多次结果。我会先打个折，正文没披露最终冠军的具体分数，但重点讲了技术路数。 最卷的方向是训练优化，有人把前人的好方案攒在一起，调了 Muon 权重衰减、频谱嵌入初始化这些细节，效果拔群。量化这块也有人用 GPTQ-lite 把训练后的模型压得更小，后来还有人上了完整的 Hessian GPTQ，压缩路径更狠。比较有意思的是测试时训练策略，有人先打分再对已评分的文本块做 LoRA 微调，在规则边缘试探，组织方得仔细审核。 一个值得注意的点是 AI 编程助手在这次比赛里用得特别多，降低了实验成本，让更多人能参与，但也给提交审核和归属判定带来新麻烦。OpenAI 还把这当成挖人的渠道，说明这种开放式的技术挑战确实能筛出有工程品味和韧性的人。不过正文对最终成绩、数据集具体规模和验证集构成都没细说，这些信息缺口让人没法判断这些技巧在更大规模任务上能迁移多少。