围绕Delve公司的争议似乎促使其投资方Insight Partners撤下了一篇解释其对这家初创公司3200万美元投资的文章。Delve是一家获得Y Combinator支持的合规初创公司,目前被指控为客户伪造认证。
指控详情
上周,一位名为"DeepDelver"的匿名举报者在Substack上发布了详细指控。这位声称是前客户的举报者指控Delve为其客户伪造合规数据。
Insight Partners的原始文章由该公司董事总经理Teddie Wardi和Praveen Akkiraju等人撰写,标题为"扩展AI原生合规:Delve如何为企业节省合规繁琐工作的时间和成本"。该文章的原始内容目前仍可通过互联网档案馆Wayback Machine查看。
Insight Partners未立即回应TechCrunch的置评请求。
Delve公司简介
Delve成立于2023年,声称利用AI自动化获取安全和监管认证的流程,包括SOC 2、HIPAA和GDPR等标准,这些标准分别管理数据安全、健康信息隐私和欧洲数据保护。
具体指控内容
在Substack帖子中,DeepDelver指控Delve"伪造了从未发生过的董事会会议、测试和流程的证据",然后迫使客户"在采用虚假证据或执行几乎没有真正自动化或AI的手动工作之间做出选择"。
该帖子进一步指控Delve平台橡皮章式地批准自己的报告,而不是接受独立审计的第二层审查。
Delve的回应
Delve回应指控称,公司根本不发布合规报告,而是一个"自动化平台",负责收集合规相关信息,然后向审计师提供访问这些信息的权限。
Delve还表示,其客户"可以选择与自己选择的审计师合作,或选择与Delve网络中的独立、认证的第三方审计公司合作"。该初创公司称,这些审计师是"在行业中广泛使用的知名公司,包括其他合规平台也在使用"。
针对提供客户"虚假证据"的指控,Delve反驳称,公司只是提供"模板来帮助团队根据合规要求记录其流程,就像其他合规平台一样"。
投资方态度
尽管公司否认DeepDelver的指控,但Insight Partners撤下投资论述文章的行为表明,投资者可能正在与该公司保持距离。
Q&A
Q1:Delve是什么公司?主要做什么业务?
A:Delve是一家成立于2023年的初创公司,获得了Y Combinator的支持。该公司声称利用AI技术自动化获取安全和监管认证的流程,包括SOC 2、HIPAA和GDPR等标准,这些标准分别管理数据安全、健康信息隐私和欧洲数据保护。
Q2:Delve面临哪些具体指控?
A:匿名举报者"DeepDelver"指控Delve伪造了从未发生过的董事会会议、测试和流程的证据,迫使客户在采用虚假证据或执行几乎没有真正自动化的手动工作之间做选择。此外还指控该平台橡皮章式地批准自己的报告,而不接受独立审计。
Q3:Insight Partners为什么要撤下投资文章?
A:Insight Partners撤下了一篇解释其对Delve公司3200万美元投资的文章,这发生在Delve面临"虚假合规"指控之后。虽然公司否认相关指控,但投资方撤下文章的行为表明投资者可能正在与该公司保持距离。
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。