Mensagem do Gate News, 23 de abril — O TikTok anunciou uma repressão abrangente a conteúdos gerados por IA que infringem os direitos dos usuários, revelando que removeu mais de 538.000 vídeos e penalizou mais de 4.000 contas até o momento. A plataforma priorizará a aplicação contra deepfakes de IA, clonagem de voz, personificação e uso comercial não autorizado de semelhanças de celebridades.
De acordo com o relatório de governança do TikTok para 2026, a plataforma removeu 360.000 vídeos envolvendo personificação baseada em IA e roubo de tendências (trend-jacking), processou 85.000 itens de conteúdo com semelhanças faciais e clonagem de voz geradas por IA sem autorização, e removeu mais de 30.000 itens de conteúdo enganoso de “golpe romântico de IA” direcionado a usuários de meia-idade e idosos, com 1.300 contas associadas penalizadas. A plataforma reconheceu desafios contínuos da indústria, incluindo a dificuldade em identificar conteúdos gerados por IA e limitações nas capacidades de reconhecimento de voz.
Em 9 de abril, o WeChat anunciou atualizações aos seus padrões de operação da plataforma pública, proibindo que contas usem IA, scripts ou ferramentas automatizadas para substituir criadores humanos na produção e distribuição de conteúdo. Violações resultarão em restrições de tráfego, exclusão de conteúdo ou suspensão da conta. Em 27 de março, o WeChat formalizou essas regras, cobrindo conteúdo gerado por IA, postagens automatizadas via scripts e promoção de métodos não humanos e automatizados de criação.
A Red Fruit Short Drama informou em 6 de abril que removeu 1.718 séries animadas não conformes no 1T de 2026. Após um aumento no uso de material de IA não autorizado, a plataforma realizou revisões abrangentes de 15.000 obras, removeu 670 produções não conformes e expôs quatro categorias de violações típicas. A plataforma enfatizou seu compromisso com a proteção de conteúdo original e com a prevenção do uso não autorizado de materiais gerados por IA.
Aviso: As informações nesta página podem ser provenientes de terceiros e não representam as opiniões ou pontos de vista da Gate. O conteúdo exibido nesta página é apenas para referência e não constitui aconselhamento financeiro, de investimento ou jurídico. A Gate não garante a exatidão ou integridade das informações e não será responsável por quaisquer perdas decorrentes do uso dessas informações. Os investimentos em ativos virtuais apresentam altos riscos e estão sujeitos a uma volatilidade de preços significativa. Você pode perder todo o capital investido. Por favor, compreenda completamente os riscos envolvidos e tome decisões prudentes com base em sua própria situação financeira e tolerância ao risco. Para mais detalhes, consulte o
Aviso Legal.
Related Articles
Ex-engenheiro da Codex da OpenAI lança Blackstar e levanta $12M em financiamento seed liderado pela Abstract
Mensagem do Gate News, 23 de abril — Daniel Edrisian, um ex-engenheiro da equipe Codex da OpenAI, anunciou o lançamento da Blackstar Computers, uma empresa de hardware de IA que concluiu uma rodada de financiamento seed de $12 milhões. Abstract liderou a rodada, com participação da SV Angel, Naval Ravikant, Chapter
GateNewsAgora mesmo
Bancos de Taiwan se unem para criar uma IA local! Grandes modelos de linguagem financeiros devem entrar no ar até o fim do ano
As 16 instituições financeiras lideradas pela China CITIC Financial Holdings anunciaram o início do projeto de 'modelo financeiro de grande linguagem FinLLM'. A primeira versão do modelo bancário está prevista para ser lançada em agosto, e no 1º trimestre de 2026 serão apresentados agentes de IA baseados no FinLLM. O treinamento começou em maio, com orçamento de cerca de 40–70 milhões de RMB. Devido às exigências regulatórias e às necessidades de localização, o treinamento com base em dados locais é o foco, fortalecendo a IA soberana, construindo uma infraestrutura compartilhada e expandindo para a inclusão financeira. O plano já foi incluído no plano nacional de desenvolvimento de IA e recebeu apoio de vários ministérios e órgãos.
ChainNewsAbmedia31m atrás
CEO do Google: Capex de 2026 chega a US$ 185 bilhões, aumento de investimentos na era dos agentes de IA
O CEO do Google, Sundar Pichai, anunciou em 22 de abril, durante a conferência Google Cloud Next em Las Vegas, que o Google planeja investir de US$ 175 bilhões a US$ 185 bilhões em gastos de capital em 2026, para construir a infraestrutura necessária para agentes de IA (AI Agent) autônomos, um aumento em relação aos US$ 31 bilhões em 2022.
MarketWhisper1h atrás
O Google Jules divulga uma lista de possíveis nomes do novo lançamento aberto e a reposiciona como uma plataforma de desenvolvimento de produtos ponta a ponta
De acordo com um anúncio oficial da equipe do Google Jules em 23 de abril, o posicionamento do produto da Jules foi atualizado de um agente de codificação assíncrona para uma “plataforma de desenvolvimento de produtos agentic ponta a ponta”. A nova versão consegue ler todo o contexto do produto, determinar de forma autônoma a próxima direção de construção e enviar PR. A empresa também anunciou, em simultâneo, a abertura de uma lista de candidatos para a nova versão.
MarketWhisper1h atrás
Google Jules é rebrandada como plataforma de desenvolvimento de produtos agentic ponta a ponta e abre lista de espera para nova versão
Mensagem da Gate News, 23 de abril — A equipe da Jules, do Google, anunciou a abertura de uma lista de espera para uma nova versão do produto, reposicionando a Jules de uma agente de codificação assíncrona para uma plataforma de desenvolvimento de produtos agentic ponta a ponta. De acordo com a descrição oficial, a plataforma aprimorada lê o contexto completo do produto
GateNews1h atrás
A Perplexity revela método de pós-treinamento de agente de busca na web; modelo baseado em Qwen3.5 supera GPT-5.4 em acurácia e custo
A Perplexity usa SFT seguida de RL com modelos Qwen3.5, aproveitando um conjunto de dados de QA multi-hop e verificações por rubrica para aumentar a precisão e a eficiência da busca, alcançando desempenho FRAMES de nível superior.
Resumo: O fluxo de trabalho de pós-treinamento da Perplexity para agentes de busca na web combina fine-tuning supervisionado (SFT) para impor aderência a instruções e consistência de linguagem com aprendizado por reforço online (RL) via o algoritmo GRPO. A etapa de RL usa um conjunto de dados proprietários de QA verificável multi-hop e dados conversacionais baseados em rubricas para evitar deriva do SFT, com agregação filtrada por recompensa e penalidades de eficiência dentro do grupo. A avaliação mostra que o Qwen3.5-397B-SFT-RL alcança o melhor desempenho em FRAMES, com 57,3% de acurácia com uma única chamada de ferramenta e 73,9% com quatro chamadas a US$ 0,02 por consulta, superando GPT-5.4 e Claude Sonnet 4.6 nessas métricas. A precificação é baseada em API e exclui caching.
GateNews2h atrás
