2026年09月27日AI 版

依据

Meta 发言人 Daniel Roberts 对 WIRED 说，Muse 要求所有人提供出生日期，检测疑似未满18岁者并阻止开户，还额外核查自称成人者确实超过18岁；Meta 超级智能实验室产品管理副总裁 Mona Sarantakos 则称设计刻意偏“delightful”，避免像在跟公司标识聊天。Fairplay 执行主任 Josh Golin 反驳说 Jolly 像 Teletubby，圆润形状尤其吸引学龄前儿童。机制是可爱与无摩擦外观降低戒心，让年龄门、数据条款和代理权限更容易被跳过；材料还提到 Meta 默认用 Muse 交互训练模型，除非用户选择退出。8月 Meta 就社媒成瘾指控达成和解，需为 Instagram 和 Facebook 增加青少年限制功能，并支付至多 $16.7 billion。

依据

Sony 与环球音乐（UMG）9月25日再次起诉 Suno，指控其 v6 是「模型洗白」（model laundering）：v6 用旧模型的用户输出训练，而旧模型本身是用从 YouTube 等处抓取的未授权音乐训练的，于是原告的表达价值沿着「录音→旧模型→输出→v6」一路传下去。Suno 的 Jack Brody 在 v6 上线时说它是「trained from the ground up, with a new set of data」——从零、用一套新数据训练，其中包含「用户数据」；发言人 Rachel Racusen 后补一句，数据含来自社区的「创作」，但没说是否包含用户上传的音频或基于上传音频的输出。Sony 还指 Suno 用蒸馏（distillation，让小模型复刻大模型输出）把旧「教师」模型的结果搬进 v6。机制就在这：只要旧模型仍留有未授权副本，重训并不切断获益路径，而 Sony 与 UMG 正是没和 Suno 签授权协议的几家主要厂牌。

依据

EFF 公布的联邦文件里，有医疗服务提供者把 WISeR 称为“a disgrace to the human race”，并描述患者痛着等审批；DelBene 说，美国人越了解 WISeR，越会对政府拿他们的医疗冒险感到愤怒。WISeR（Wasteful and Inappropriate Service Reduction，浪费与不当服务削减）用 AI（人工智能）和机器学习给部分服务做 prior authorization（预先授权），一月在六州启动，计划到 2031 年底。承包商 Virtix 在 3月30日当周审查 6,096 笔预先授权，批准 2,863 笔，拒绝 3,233 笔（53 percent）；WISeR 目标 72 小时内给决定，但至少一笔 83 天仍未决，有提供者说手术被推后近两个月。机制是省钱与拒赔绑定：供应商拒得越多，省得越多，等待和疼痛转给患者与医生；Government Accountability Office（GAO）在五月认定设置程序不合法，国会共和党上周否决了 DelBene 要求公开更多文件的委员会表决。

依据

AWS Machine Learning Blog 这篇《Accelerate multimodal RL training with SkyRL on Amazon SageMaker HyperPod》主张：把 SkyRL（一个开源的多模态强化学习后训练框架）跑在 SageMaker HyperPod（AWS 的托管训练集群）上，而不是自己拼容器和 Ray（分布式任务调度框架）集群。被省掉的是两层活：容器镜像与依赖管理、Ray 集群的拉起与调度；团队剩下的只有训练脚本、数据管线和奖励函数。代价同时转移——原先由自家运维承担的节点故障排查，变成托管侧的排队与配额约束。抓取到的正文只有 AWS 导航和产品目录文本，没有任何吞吐、成本或启动耗时数字。

依据

AWS（亚马逊云科技）Machine Learning Blog 的标题只说要在 Amazon SageMaker AI（亚马逊云科技的托管机器学习平台）上部署 Qwen3-TTS（文本转语音模型）做实时个性化语音；策展点评则点出风险：参考片段短会带来音色漂移。这里的机制是，实时语音克隆要靠参考音频提取说话人音色，参考越短，可用特征越少，跨句长、情绪和语速变化时越容易偏离目标音色。材料没有给出短参考的具体秒数、漂移度量或对照样例，所以不能把风险量化成某个阈值。原文材料里可引的正文只有标题，技术细节未展开。