美国联邦地区法官马克·皮特曼驳回了xAI公司阻止将埃隆·马斯克特斯拉和SpaceX电子邮件纳入证据开示范围的请求,该请求涉及马斯克对苹果和OpenAI提起的诉讼案。以下是相关详情。
上月,苹果、OpenAI、X和xAI的法律团队在美国联邦治安法官哈尔·雷(Hal R. Ray Jr.)面前举行了一次听证,就马斯克对苹果和OpenAI提起诉讼中的证据开示程序的若干分歧进行了审查。
该诉讼源于马斯克对Grok在App Store排名的不满。马斯克认为,由于苹果与OpenAI达成了将ChatGPT接入Siri及Apple Intelligence的合作协议,双方存在反竞争的串谋行为,进而影响了Grok的排名。
在听证会上,雷法官批准了X和xAI提出的将克雷格·费德里吉列为文件保管人的请求,同时也批准了X和xAI强制要求苹果提交其近期与谷歌就Gemini赋能新版Siri相关协议文件的请求。
另一项裁决中,雷法官支持了OpenAI的主张,认为马斯克在特斯拉和SpaceX的电子邮件应作为诉讼中的相关材料进行检索。
X和xAI的律师最初向法院主张,这些文件不在其保管和控制范围之内,因为他们并不代表SpaceX或特斯拉。然而,这一说法未能说服雷法官。
最终,OpenAI的论点占据了上风,即马斯克是"上述所有公司的CEO,这些账户显然都是他用于处理各公司业务的",而xAI首席财务官曾向马斯克的SpaceX邮件账户发送xAI业务相关邮件这一事实,也进一步支持了这一论点。
此后,X和xAI的法律团队提出异议,试图推翻雷法官的裁定,并申请在法院就该异议作出裁决之前暂停执行该命令。
然而,皮特曼法官——此前正是他将相关证据开示争议移交给雷法官处理(这是联邦诉讼中的惯常做法)——驳回了X和xAI的申请,维持了雷法官的裁定,并相应驳回了X和xAI提出的中止执行动议。
皮特曼法官在裁定书中写道:
"有理由相信马斯克可能在其SpaceX和特斯拉的商务邮件账户中处理X和/或xAI的业务,因此,相关邮件属于可被开示的证据,应当予以提交。上述证据,结合马斯克在这些公司中的持股情况及其高管职务,促使本院作出此项裁定。"
以及:"如前所述,案卷材料亦提供了具体理由,足以证明马斯克可能在其他邮件账户中处理原告方的业务事项。例如,xAI首席财务官曾将xAI财务更新发送至马斯克的SpaceX邮箱地址。仅凭这一点,即足以强制执行证据开示,因为X和xAI有权在CEO使用非公司邮件账户处理公司业务时获取相关文件——无论这些账户是否属于个人邮箱,均不影响此项裁定。"
皮特曼法官未就上述邮件的提交设定具体期限。
在5月13日的听证会上,雷法官曾询问X和xAI的律师完成邮件提交需要多长时间,律师团队表示尚无法确定,并补充称"需要一定时间,但如获命令,将尽快执行。"
Q&A
Q1:马斯克对苹果和OpenAI提起诉讼的原因是什么?
A:马斯克对苹果和OpenAI提起诉讼,起因是他对Grok在App Store排名的不满。他认为,苹果与OpenAI之间将ChatGPT整合进Siri及Apple Intelligence的合作协议,构成了反竞争的串谋行为,并对Grok的排名产生了不利影响。
Q2:法院为何裁定马斯克须提交特斯拉和SpaceX的邮件?
A:法院认为,有理由相信马斯克可能在其特斯拉和SpaceX的商务邮件账户中处理X和xAI的相关业务。关键证据在于,xAI首席财务官曾将xAI财务更新发送至马斯克的SpaceX邮箱。加之马斯克同时担任多家公司CEO,法院据此裁定相关邮件属于可开示的证据范围。
Q3:X和xAI针对邮件开示裁定提出了哪些异议?
A:X和xAI的法律团队主张,特斯拉和SpaceX的邮件不在其保管和控制范围之内,因为他们并不代表这两家公司。他们随后提出正式异议,申请推翻雷法官的裁定,并要求在异议审查期间暂停执行该命令。然而,皮特曼法官最终驳回了上述所有申请,维持了原裁定。
好文章,需要你的鼓励
伊朗裔英国导演Ash Koosha耗时两个半月,以不足2000美元的成本,借助AI技术完成了一部关于伊朗反政府抗议镇压事件的75分钟剧情片《紫罗兰之梦》。该片即将在纽约翠贝卡电影节首映,成为首部入围顶级电影节的全AI真人故事片。导演认为,AI技术可大幅降低独立电影制作门槛,有望重塑整个影视行业格局。
耶路撒冷希伯来大学研究团队提出PhyGenHOI框架,将人体运动生成与物理仿真结合,让虚拟人物与三维物体之间的接触互动同时满足视觉自然性和物理真实性。
MIT与MIT-IBM计算研究实验室联合开发了专为图表理解设计的数据集ChartNet,包含逾百万张多样化图表及对应代码、文字描述、数值表格和问答对。研究团队利用两步合成数据生成流程,从单张图表出发可扩展出数百种变体。实验表明,基于ChartNet训练的小型开源视觉语言模型在数据提取、图表摘要等任务上显著超越体量更大的商业模型,有望帮助预算有限的中小企业低成本接入AI图表分析能力。
本文介绍了弗莱堡大学等机构提出的3D-SC框架,通过引入三维基础模型的几何先验,无需人工标注即可解决AI图像匹配中的左右混淆和重复部件分不清的问题。