Anthropic在与美国国防部的争端中获得了越来越多的支持者。上个月,该大语言模型实验室因拒绝在军方如何使用其AI技术方面做出让步,被国防部指定为供应链风险企业。
据CNBC报道,美国参议员伊丽莎白·沃伦在致国防部长皮特·赫格塞斯的信中,将国防部的决定等同于"报复",认为五角大楼本可以简单地终止与该AI实验室的合同。
沃伦在信中写道:"我特别担心国防部试图强迫美国公司向该部门提供监视美国公民和部署缺乏充分保护措施的完全自主武器的工具。"她补充说,对Anthropic的禁令"似乎是报复行为"。
沃伦的言论呼应了许多其他组织对国防部处理Anthropic方式的抗议。包括OpenAI、谷歌和微软在内的多家科技公司和员工,以及法律权利组织,都已提交法庭之友意见书支持Anthropic,并谴责这一通常适用于外国对手而非美国公司的指定。
争议源于Anthropic告知五角大楼,不希望其AI系统被用于对美国人的大规模监视,并且该技术尚未准备好在没有人为干预的情况下用于致命自主武器的瞄准或开火决策。五角大楼反驳说,私人公司不应该指导军方如何使用技术,随后不久便将该公司指定为"供应链风险"。这一标签要求任何与五角大楼合作的公司或机构证明其不使用被指定公司的产品或服务,实际上禁止Anthropic与任何同样与美国政府合作的公司开展业务。
沃伦的信件发出时间是周二旧金山听证会的前一天,届时地区法官丽塔·林将决定是否批准Anthropic寻求的初步禁令,该禁令旨在在其对国防部的诉讼审理期间维持现状。
Anthropic正在起诉国防部侵犯其第一修正案权利并基于意识形态立场惩罚公司,而国防部坚持认为Anthropic拒绝允许其技术的所有合法军事用途是商业决定,而非受保护的言论,该指定是直接的国家安全决定,而非对公司观点的惩罚。
该AI实验室上周向法院提交了两份声明,声称政府的逻辑存在缺陷,因为它们依赖于技术误解以及在公司与国防部谈判期间未提出的关切点。
沃伦还致信OpenAI首席执行官萨姆·奥特曼,询问该公司与国防部协议的详细信息,该协议是在五角大楼将Anthropic列入黑名单后仅一天达成的。
Anthropic和国防部尚未立即回应置评请求。
Q&A
Q1:Anthropic为什么被美国国防部列为供应链风险?
A:Anthropic被列为供应链风险是因为该公司拒绝在军方如何使用其AI技术方面做出让步。具体来说,Anthropic不希望其AI系统被用于对美国人的大规模监视,并且认为该技术尚未准备好在没有人为干预的情况下用于致命自主武器的瞄准或开火决策。
Q2:被指定为供应链风险对Anthropic有什么影响?
A:这一标签要求任何与五角大楼合作的公司或机构证明其不使用被指定公司的产品或服务,实际上禁止Anthropic与任何同样与美国政府合作的公司开展业务,严重限制了其商业机会。
Q3:参议员沃伦为什么支持Anthropic?
A:沃伦认为国防部的决定是"报复性"行为,她担心国防部试图强迫美国公司提供监视美国公民和部署缺乏充分保护措施的完全自主武器的工具。她认为五角大楼本可以简单地终止合同,而不是采取这种惩罚性措施。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。