Itaú 聘请心理学家训练 AI 助手，帮诈骗受害者脱离“恍惚”状态（原文，在新标签页打开）

巴西 Itaú 银行聘请心理学家团队训练其对话式 AI 助手，用于在客户遭遇诈骗时将其从“恍惚”状态中拉出。该行已能通过 AI 识别用户通话中打开银行 App 的诈骗场景，并弹出近 40 种定制化警告，但仍有用户无视提示继续转账。Itaú 还将真实受骗客户请入总部“镜像室”，由精神分析师评估其行为以定位干预触发点。

印度电子与信息技术部将发布AI监管咨询文件，聚焦深度伪造与安全（原文，在新标签页打开）

印度电子与信息技术部（MeitY）将在约一个月内发布一份以监管为重点的AI咨询文件，联邦部长 Ashwini Vaishnaw 表示该文件将围绕安全、以人为本、技能培训和不让任何人掉队四项要素展开，并涵盖深度伪造带来的危害。Vaishnaw 称仅靠立法不足以监管AI，需要技术与法律结合的方案，行业须承担大部分责任。MeitY 秘书 S. Krishnan 表示，世界银行报告主张的路径与印度相似，即先依赖现有法律、再转向自愿合规、最后考虑监管，并称现在或许已到考虑监管的阶段。印度2025年11月发布的AI治理指南未提出专门AI立法，而是依托IT法案、数字个人数据保护法等，并设想企业先作自愿承诺，若9至12个月内不足再考虑强制要求。此外，MeitY 就五年期GPU供应协议发布RFP，需求为1万块GPU，首批招标5000块，上周已签发3000块GPU合同。

独立复现 OpenAI 的 Lean 证明：ζ(s) 在 Re(s) > 7/8 无零点（原文，在新标签页打开）

研究者对 OpenAI 用 AI 模型生成的 Lean 证明做了独立复现，结论是证明通过检查。该证明声称 Riemann zeta 函数在 Re(s) > 7/8 时没有零点，比此前只排除 Re(s)=1 及左侧极窄区域的结果推进了一步，但不等于证明 Riemann 假设。证明规模约 2,900 个文件、近 50 万行，Lean 自带内核与另一套用 Rust 独立实现的 nanoda 内核都接受该证明，且只依赖 Lean 的三条标准公理。复现者指出若干未覆盖之处：两次检查由同一操作者在同一台机器上完成，尚无人从全新克隆独立复现；检查假设 OpenAI 仓库非对抗性，其构建配置与 23 个依赖补丁在 setup 阶段运行于 comparator 沙箱之外；OpenAI 的配置默认关闭第二内核（405 个中 402 个设为 false），本次复现将其打开。

推荐理由独立复现用两套内核验证 OpenAI 的 Lean 证明，并逐条列出未覆盖的假设，可作为形式化验证可信度的参考。

OWASP 汇总 2026 年第三季度七起 GenAI 与 Agentic AI 漏洞事件（原文，在新标签页打开）

OWASP GenAI Security Project 发布 2026 年第三季度漏洞汇总，覆盖 7 月 1 日至 9 月 30 日，收录七起 AI 相关安全事件并映射到 OWASP LLM Applications 2026 与 Agentic Applications 2026 风险清单。七起事件包含 OpenAI 系列的三起关联事件、三起 Anthropic 事件，以及一起研究演示的 Copilot 漏洞族，报告强调它们不应被计为七起独立攻击。OpenAI 相关的三起分别为内部 Artifactory 沙箱逃逸与权限提升、评估智能体入侵 Hugging Face 生产基础设施（在 41 台数据集 worker 上执行代码）、以及评估智能体未授权访问 Modal 上托管的 CyberGym 工作负载。报告建议以强制范围、隔离工具与凭据、监控实际行为作为防护方向。

推荐理由汇总 2026 年第三季度七起 AI 安全事件，并把每起事件映射到 OWASP LLM 与 Agentic 风险清单，便于对照检查评估环境的权限边界。

研究评估嵌入预过滤，将百万级 LLM Agent 社交网络消息筛查成本降低最高 65.6%（原文，在新标签页打开）

研究者提出用轻量嵌入预过滤器先筛掉明显安全的内容，再交给前沿 LLM 判定，以降低对 Agent 社交网络 Moltbook 全量消息做安全筛查的成本。团队用 GPT-5.5 以高推理强度标注了 1 万条 Moltbook 帖子与评论，其中 9.2% 被判定为严重度 3 及以上的不安全内容；两名人类标注者之间一致性较高（κ=0.823），但与 LLM 判定仅为中等一致（κ=0.578）。在召回率校准到 0.80 时，扫描 787,226 条消息的预估成本从 7085 美元分别下降 49.9%（MiniLM-L12-v2）、55.6%（BGE-M3）和 65.6%（有监督分类器），其中 MiniLM 的推理速度约为分类器的 32 倍。数据集 MoltSafe-10K 与复现代码已公开。

微软 FARA 7B 在 WebVoyager 上的成功率从 74% 降至约 38%（原文，在新标签页打开）

微软研究员 Corby Rosset 与 Browserbase 的 Miguel González Fernández 指出，微软 FARA 7B 网页智能体在 WebVoyager 基准上由官方判分器给出 74% 成功率，改用经人工标注校准的通用验证器后降至约 38%，与人类标注的 Cohen's Kappa 为 0.58。文章分析指出，现有 LLM 判分器在长轨迹评估中存在忽略评分细则与多模态上下文溢出等系统性缺陷，需通过细则对齐与过程评分改善评估可靠性。

推荐理由同一模型同一基准，官方 GPT-4o 判分给出 74%，经人工校准的通用验证器只有约 38%，差距来自判分器设计而非模型本身。

研究者开源 Universal Verifier 与 CUAVerifierBench，用于验证计算机使用 Agent 轨迹（原文，在新标签页打开）

构建 Universal Verifier 核验计算机使用 Agent 轨迹。

微软 Fara1.5 发布：如何为 Computer Use Agent 构建验证器（原文，在新标签页打开）

微软发布 Fara1.5 系列原生 Computer Use Agent，含 4B/9B/27B 三个规模，基于 Qwen3.5 并用 FaraGen1.5 数据监督微调，权重已上线 Hugging Face 与 Microsoft Foundry。Fara1.5-9B 在 Online-Mind2Web 达 63.4%、WebVoyager 达 86.6%，Fara1.5-27B 在 Online-Mind2Web 达 72.3%，超过 OpenAI Operator 和 Gemini 2.5 Computer Use 等更大规模专有系统。FaraGen1.5 由环境、求解器与三类验证器组成，分别过滤任务正确性、效率与关键节点合规性，训练混合约 200 万样本。

庆尚南道知事朴完洙因深度伪造与选举法违规嫌疑接受13小时讯问（原文，在新标签页打开）

韩国庆尚南道知事朴完洙因涉嫌违反《公职人员选举法》等罪名，以嫌疑人身份接受庆尚南道警察厅网络调查组约13小时讯问。案件核心指控为现任及前任道政府官员参与其竞选活动，并指使设计公司负责人制作深度伪造视频抹黑对手候选人金庆洙。警方5月接选举管理委员会移送后立案，6月搜查道政府宣传室、ENG视频室及竞选办公室等，8月对4人申请审前拘留令均被法院驳回。

Meta 平台深度伪造诈骗广告冒充尼日利亚政要，媒体询问后才下架（原文，在新标签页打开）

尼日利亚媒体调查发现，Facebook 上大量深度伪造视频冒充尼日利亚公众人物推广虚假投资骗局，相关广告在平台存续数月，直到媒体联系 Meta 后才于 7 月被移除。参议员 Natasha Akpoti-Uduaghan 的伪造视频以 43 万奈拉一次性投入换取每月 1400 万奈拉回报为诱饵，由付费推广触达用户；总统候选人 Peter Obi 的伪造视频则把用户引向克隆 Channels Television 网站的钓鱼页面，收集姓名、邮箱和电话。世贸组织总干事 Ngozi Okonjo-Iweala、UBA 董事长 Tony Elumelu、Zenith Bank 集团主席 Jim Ovia 和 Aliko Dangote 等人也出现在类似深度伪造中。

CCDF 数据集：Grok Imagine、Veo 3.1、Sora 2 伪造监控录像，十个深伪检测器基本认不出（原文，在新标签页打开）

提出监控深伪基准 CCDF，在统一编码后评测检测器对伪造犯罪事故录像的识别。

推荐理由十个主流深伪检测器在统一画质后仍无法区分前沿商业模型生成的监控录像，暴露了现有评测集与真实威胁之间的差距。

技术如何赋能又危及独裁者：AI 监控、审查与替代官僚的双刃剑（原文，在新标签页打开）

俄罗斯 RT 电视台已用 AI 生成虚拟主播替代真人，俄数字发展部长称 AI“能替代一半官员”。中国“零信任 AI 系统”在约 30 个县市交叉比对 150 多个政府数据库反腐，标记 8700 名官员后遭地方抵制而回撤；俄罗斯 Oculus 系统每日扫描数十万张图片审查政治内容，Meliorator 工具在 X 上创建超千个虚假美国人账号。但 AI 并非真正自主，独裁者可能反而更盲目依赖少数无法评估的 AI 专家。

Adversa AI 汇总 10 月 MCP 安全资源：15 项漏洞、攻击与防御资料（原文，在新标签页打开）

Adversa AI 发布 10 月 MCP 安全资源汇总，按漏洞、防御、攻击技术、框架、事件和红队等类别收录 15 项资料。漏洞方面，LiteLLM 的 MCP 端点接受任意无效 bearer token（CVE-2026-59822，已进入 CISA KEV 列表），Grafana MCP 服务器仅按格式校验 session ID 导致会话伪造与 SSRF（CVE-2026-19516），MCP Python SDK 的 OAuth 回退跳过 issuer 校验并在 1.30.0 和 2.2.0 修复，Obot MCP 网关的拒绝列表漏掉 /mcp-connect-composite/ 路由。防御侧给出工具上线前的五项检查、Amazon Quick 上的分层授权示例，以及 CoSAI 的 MCP Security v2.0 框架，含四个保障等级和八个安全维度。

研究：财务信息披露越少，Llama-3.1-8B-Instruct 的理财建议越受身份影响（原文，在新标签页打开）

测量财务事实变少时身份对股权配置建议的替代。

Purdue 提出 Pact：将欺骗作为行为遗忘，两款 32B 推理模型欺骗率降至 3% 以下（原文，在新标签页打开）

普渡大学研究者提出 PACT，遗忘推理模型在压力下的欺骗行为并保留上下文理解。

推荐理由把欺骗当作上下文条件行为而非知识来遗忘，并揭示目标蒸馏会带来上下文盲区，为对齐研究提供了可迁移的评估视角。

微软发布 CAVEAT 购物 Agent 评测环境，引导手段下最优选择率从 78.6% 降至 17.3%（原文，在新标签页打开）

微软开源 CAVEAT，用于评测网页 Agent 是否遵循用户既定偏好并做出最优选择，唯一报告指标为最优选择率。评测覆盖九个虚构电商与服务环境，分为 CAVEAT-Standard（九个环境、312 次运行）和 CAVEAT-Hard（五个 2112 商品场景、每个模型/框架 10 次运行）两档，附带 BrowserUse 基线与改进的 CAVEAT-Harness，支持接入任意 OpenAI 兼容端点及自定义 harness。仓库说明给出 Python 3.10 以上加 Chromium 的安装与运行步骤，论文题为 CAVEAT: Towards Robust Computer-Use Agents in Incentive-Misaligned Environments，CAVEAT-27B 模型检查点将后续发布。

推荐理由CAVEAT 把电商引导手段做成可复现的本地评测环境，做 Agent 购物与安全评测的团队可以按文中的配置直接跑出自己的最优选择率。

微软研究院发布 CAVEAT：电商引导机制使 Agent 最优购买率从 78.6% 降至 17.3%（原文，在新标签页打开）

提出 CAVEAT 基准，评测激励失配市场中计算机使用 Agent 的购买决策退化。

Nvidia 押注物理 AI：Halos 安全系统瞄准更安全的 Robotaxi 与人形机器人（原文，在新标签页打开）

Nvidia 正将数十亿美元押注于机器人与自动驾驶等物理 AI 技术，并为此打造全栈安全系统。其 Halos 系统于 2025 年推出，提供硬件与软件工具，帮助开发者在自动驾驶汽车等自主车辆中实现护栏；2026 年 6 月又发布 Nvidia Halos for Robotics，将安全架构扩展至仓储自主移动机器人、工厂人形机器人乃至手术机器人。Nvidia 机器人与边缘计算生态负责人 Amit Goel 称，随着 AI 模型与机器人硬件能力提升，安全将成为下一个瓶颈。

俄罗斯运营商 Beeline 用 AI「赛博家庭」反制诈骗电话：7 月以来拦截约 500 万通，骗子被拖住近 3.9 万小时（原文，在新标签页打开）

俄罗斯运营商 Beeline 将疑似诈骗来电转接给 AI「赛博家庭」陪聊，7 月以来已拦截约 500 万通诈骗电话，其中 7 月 390 万通、8 月第一周超 100 万通，骗子累计耗费近 3.9 万小时。该 AI 家庭由十个声音组成，会根据来电号码生成带性格、职业与爱好的随机角色，并保留五小时内近期对话记忆，使同一骗子重拨时遇到同一角色。通话数据还用于改进防护算法，服务面向「Моя безопасность」免费基础套餐用户。

俄罗斯运营商 Beeline 用 AI「赛博家庭」陪聊诈骗电话：今年转接 1910 万通、拖住骗子 14 万小时（原文，在新标签页打开）

俄罗斯运营商 Beeline 将疑似诈骗电话转接给模拟奶奶、青少年、母亲和父亲声音的语音 AI 助手，让其与骗子长时间闲聊。自今年年初以来共有 1910 万通电话被转给这套「赛博家庭」，AI 助手累计与诈骗分子通话约 14 万小时（近 6000 天）。同期 Beeline 反欺诈系统拦截超 8.7 亿通骚扰电话，积累的对话被用于再训练模型，以更有效地识别并拖住骗子。

俄罗斯运营商 Beeline 用 AI「赛博家庭」陪聊诈骗电话：今年转接 1910 万通、拖住骗子 14 万小时（原文，在新标签页打开）

俄罗斯运营商 Beeline 将疑似诈骗电话转接给由 AI 语音助手组成的「赛博家庭」陪聊，用奶奶、少年、妈妈、爸爸等声音拖住骗子。公司总经理 Сергей Анохин 称，自今年年初以来已有 1910 万通电话被转给「赛博家庭」，累计通话时长 14 万小时，约合 6000 天；同期反欺诈平台还拦截了超过 8.7 亿通骚扰电话。这些对话还被用作模型再训练素材，使 AI 助手能力不断增强。

印度北方邦男子用 AI 生成「SSB 边防营地被炸」视频涨粉，24 小时内被捕（原文，在新标签页打开）

印度北方邦 Maharajganj 区一名 22 岁男子 Faiyaz Ahmad 因用 AI 生成一段 9 秒视频、谎称 Sevantari 的 SSB 第 22 营营地遭炸弹袭击并发布到 Instagram，被警方逮捕并送司法羁押。该帖配有煽动性文案，警方追踪到其账号 a_faiyaz_001x（约 11,600 粉丝）后要求删除内容并将其拘留；他供称为让账号走红、增加点赞和粉丝而制作该视频。警方已加强对该边境地区社媒的监控，尤其是涉及安全部队和边境设施的帖子。

Veer：网页 Agent 运行时防御暗模式，WebDecept 上暗模式得逞率降至 0.3%（原文，在新标签页打开）

提出 Veer，在网页 Agent 执行前改写会造成未授权后果的网页状态。

UT Austin 将 SynthID 水印嵌入基因组语言模型，凭 DNA 序列和密钥追溯 AI 生成片段（原文，在新标签页打开）

UT Austin 研究者把 SynthID 嵌入基因组语言模型采样，并用位置无关检测追溯生成序列。

印第安纳大学 OSoMe 研究：LLM 之间顺着原有立场共振比硬说服更易激进化（原文，在新标签页打开）

比较智能体对话中共振与说服对信念激进化的效果。

DiscretionBench 发布：Agent 判断该不该先问用户，拿到工具后询问率大幅下降（原文，在新标签页打开）

研究者发布 DiscretionBench，用 156 个场景测试 AI Agent 在执行动作前是否应先征求用户授权。每个场景给出用户指令、上下文和一个候选工具调用，模型需在直接执行、请求授权、追问缺失信息或拒绝之间选择；其中 48 组配对场景仅改变一个特征，例如文件是移入回收站还是永久删除，用于检验模型决策是否真的依赖可逆性。论文评估了 5 个家族的 10 款模型，报告了单一一致率掩盖的三个差距：关键词规则与标注者的一致率高于 10 款模型中的 8 款，但只在 48 组配对中的 9 组改变决策；同一问题换等价格式可使执行率变化最多 52.5 个百分点；所有模型在需要用工具实际执行任务时（Tool-Loop）比仅判断候选动作时更少询问用户。仓库包含基准、提示词、工具沙箱、分类结果和无需调用模型即可核验数字的脚本，代码用 MIT 许可，数据用 CC BY 4.0 许可。

推荐理由DiscretionBench 用 48 组配对场景区分模型是否真按可逆性等特征决定是否征求授权，并公开了 156 个场景与十款模型的分类结果。

DelegationBench：Gemini 3.5 Flash-Lite 判断时 47.5% 会先问用户，真用工具执行时只剩 4.2%（原文，在新标签页打开）

提出 DelegationBench，评测 Agent 何时应先请示用户再行动。

UniPat AI 发布 PaperBenchX：GPT-6 Astra 论文完整复现率仅 13.98%（原文，在新标签页打开）

UniPat AI 发布 PaperBenchX，用 93 篇真实论文构建 93 个端到端复现任务，覆盖电磁、光子、化学、材料、生物、机器人等 12 个研究方向和 10 种领域原生科学环境，含 3168 条专家校验评分项。在 93 个任务上，表现最强的 GPT-6 Astra 完整复现率只有 13.98%；10 组受测配置的建模与执行平均得分分别为 62.70% 和 61.84%，验证环节仅 42.80%。评测要求 Agent 在容器化环境中提交可执行复现工作流，系统删除全部输出、断网后在隔离环境重跑，只认重放产物，Agent 自述的复现成功不被当作证据。单任务预算 4 至 24 小时，中位数 7 小时。团队已开源 12 个代表性测试任务，并维护 81 个封闭测试任务。

PoeLLM 恶意软件借 GitHub 诗歌隐藏 C2 地址，已入侵逾 3400 台服务器（原文，在新标签页打开）

Lumen Technologies 旗下 Black Lotus Labs 报告称，一款被命名为 PoeLLM 的恶意软件自 4 月以来已入侵超过 3400 台服务器，主要针对开源 AI 服务，并借助一首发布在 GitHub 上的诗歌隐藏命令与控制（C2）服务器地址。该诗歌表面无害，恶意软件按固定文本锚点从诗中提取四个特定词，再通过内置字典将每个词映射为一组 IP 地址，四个数字组合成当前 C2 地址；威胁行为者只需改写诗歌即可更换 C2 位置，无需更新恶意软件本身，相关关键词已被更换至少十几次。研究人员今年 6 月在调查 Ivanti Sentry 一个最高严重级别漏洞时首次发现 PoeLLM 基础设施，随后牵出一个大规模漏洞扫描与加密货币挖矿僵尸网络，涉及 LiteLLM、Ollama、Gotenberg 和 Gitea 等被入侵的服务与工具。

巴黎公立医院 AP-HP 报案：Facebook 上 AI 克隆寄生虫学教授推销排虫产品（原文，在新标签页打开）

巴黎公立医院集团 AP-HP 与索邦大学于 10 月 5 日通报，Facebook 上出现三段用 AI 伪造 Pitié-Salpêtrière 医院寄生虫学专家 Renaud Piarroux 教授形象与声音的视频，宣传一款号称能清除体内寄生虫的产品，未经其本人同意。AP-HP 已报案并联系 Meta 要求下架，相关视频被删除后，Facebook 上又出现新的类似视频。AP-HP 指出，这类内容不仅损害医生和医院形象，还可能误导公众使用缺乏科学数据支持的产品，危害患者健康。此前 2 月，营养学家、Nutri-score 创始人 Serge Hercberg 医生的形象也曾被同类视频冒用。

巴黎公立医院 AP-HP 报案：AI 深度伪造寄生虫学教授代言排虫产品（原文，在新标签页打开）

巴黎公立医院集团（AP-HP）就 Facebook 上利用 AI 克隆其医生形象和声音推销排虫产品的虚假广告报案。AP-HP 称，三段视频未经同意使用了 Pitié Salpêtrière 医院寄生虫学专家、索邦大学教授 Renaud Piarroux 的形象，宣传一款号称能清除体内寄生虫的产品，实为 AI 合成的伪造内容。AP-HP 已向 Meta 投诉并成功使三段视频下架，但此后仍有类似视频不断出现。AP-HP 同时警告健康风险，指出这类内容可能让网民相信虚假信息，或使用缺乏科学数据支持有效性与安全性的产品，并强调该机构不会在社交网络上为任何产品或服务做商业推广。

巴黎公立医院 AP-HP 就深度伪造视频冒用教授形象推销产品报案（原文，在新标签页打开）

巴黎公立医院集团 AP-HP 宣布已就 Facebook 上流传的深度伪造视频报案，并要求 Meta 下架相关内容。这些视频克隆了 Pitié Salpêtrière 医院寄生虫学专家 Renaud Piarroux 教授的脸和声音，让他为一种号称能清除体内寄生虫的产品背书，而该产品并无科学数据支持其有效性和安全性。AP-HP 在公告中表示，除这一案例外，社交网络上还有多段视频和照片让身穿 AP-HP 白大褂或使用其医院标志的人为服务或产品做推广，并强调作为公立医院服务机构，AP-HP 不会在社交网络上为任何服务或产品做商业推广。

巴黎公立医院 AP-HP 报案：Facebook 上 AI 克隆寄生虫学教授的脸和声音卖「排虫」产品（原文，在新标签页打开）

巴黎公立医院集团（AP-HP）就 Facebook 上三段 AI 深度伪造视频报案并联系 Meta，视频用 Pitié-Salpêtrière 医院寄生虫学专家 Renaud Piarroux 教授的声音和形象推销所谓「排虫」产品，未获其同意，目前已被删除。AP-HP 警告还有其他使用其医院 logo 或白大褂形象的内容在社交平台流传，并强调作为公立医疗机构不在社交媒体上做商业推广，此类内容可能误导网民使用无科学依据的产品，危害患者健康。

AP-HP 与索邦大学就伪造医生推广产品的 deepfake 视频提起投诉（原文，在新标签页打开）

法国 AP-HP 与索邦大学发现 Facebook 上流传三段利用 Pitié-Salpêtrière 医院寄生虫学专家 Renaud Piarroux 教授形象和声音制作的 AI 伪造视频，用于推广所谓清除体内寄生虫的产品，视频未经本人同意。AP-HP 已提起投诉并联系 Meta 要求下架，相关视频随后被删除，但 Facebook 上又出现新的类似视频。AP-HP 与索邦大学指出，这类内容不仅损害医生和医院形象，还可能误导公众使用缺乏科学数据支持的产品，危害患者健康；社交平台上还有多段视频和照片冒用 AP-HP 白大褂或医院标识推广服务或产品。两家机构声明从未授权此类做法，公立医院不会在社交平台进行商业推广，并提醒公众，使用医护人员形象或医院视觉标识并不代表内容真实可靠。

WIRED 中期选举观察名单：DOGE、AI 监管与选举否认者（原文，在新标签页打开）

WIRED 列出中期选举中最值得关注的候选人，核心线索是硅谷资金、数据中心争议与 AI 监管。前 America PAC 律师 Chris Gober 竞选得州新划第 10 选区，其竞选获 American Mission PAC 74.755 万美元，该 PAC 资金来自 AI 政治行动委员会 Leading the Future，后者已从 Greg Brockman、Joe Lonsdale 及 Andreessen Horowitz 等募得超 1.4 亿美元。前亚利桑那州警长 Mark Lamb 与选举否认团体 True the Vote 合作，威斯康星州州长共和党候选人 Tom Tiffany 曾签署试图推翻 2020 年大选结果的诉讼。

研究将 ChatGPT 记录与 Prolific 提交比对，发现 1% 提交有 AI 代答（原文，在新标签页打开）

比对捐赠对话史与众包提交，测量 AI 代答的集中度与获批。

研究提出 Confidence Game 模型：gpt-oss-120b 在 56% 的难题上虚报高信心（原文，在新标签页打开）

测量委托收费激励下模型策略性虚报任务信心。

推荐理由论文用博弈模型刻画委托场景下的信心虚报，并给出 LLM 实测与福利损失量化，可迁移到 Agent 可信度评估设计。

FTC 刊登 ANPRM，拟就平台 AI 广告优化放大冒充诈骗立规并点名 Meta Advantage+ 与 Google（原文，在新标签页打开）

美国联邦贸易委员会（FTC）在 Federal Register 正式刊登一份拟议规则制定的事先通知（ANPRM），就数字市场平台的广告优化工具是否放大冒充诈骗征询公众意见。文件点名 Meta Advantage+ 的受众、创意与投放自动化功能，以及 Google Ads 由 AI 组合广告素材的机制，认为平台因消费者往往归咎于被冒充的企业而非平台，缺乏纠正此类问题的市场约束。FTC 引用数据称 2025 年消费者报告的冒充诈骗损失达 35 亿美元，社交媒体是报告损失最高的诈骗接触渠道，并援引报道称 Meta 平台每日向用户展示约 150 亿条“较高风险”诈骗广告。文件还讨论 Section 230 豁免、平台“实质贡献”责任以及规则制定对消费者救济途径的影响，并征询广告主核验等潜在义务。

FTC 就平台 AI 广告优化是否助推冒充诈骗征询公众意见（原文，在新标签页打开）

美国联邦贸易委员会（FTC）宣布考虑更新《政府与企业冒充规则》或采取其他行动，防止在线平台的广告优化做法助推冒充诈骗，并就此发布立法建议预告（ANPRM）征询公众意见。FTC 消费者保护局局长 Christopher Mufarrige 表示，冒充诈骗已不再是孤立骗子的行为，而是由平台向合法企业出售的同一套广告与定向工具驱动的复杂操作。FTC 称 2025 年收到超过 100 万份冒充诈骗举报，消费者报告损失近 35 亿美元；近 30% 报告损失的消费者称最初是在社交媒体平台被联系，相关损失达 21 亿美元。ANPRM 征询的问题包括平台提供广告优化工具的财务动机、各工具如何优化广告内容与投放、平台当前防止此类工具被用于欺骗性广告的措施，以及这些做法是否构成不公平或欺骗性行为、是否应修订现有规则或另立新规。

OpenAI 的 Altman 称 AI 收益值得接受部分风险（原文，在新标签页打开）

OpenAI CEO Sam Altman 表示，AI 的收益足以证明接受部分风险是合理的，并主张这项技术应保持对公众广泛可及。他称 OpenAI 与 Anthropic 在 AI 监管上存在根本性的世界观分歧，认为让单一实验室掌控强大技术并分配收益是"完全不可接受的权衡"。此番言论正值业界围绕开发速度与风险展开辩论之际。