Gate 新聞訊息,4 月 23 日 — TikTok 宣布對侵犯用戶權益的 AI 生成內容展開全面打擊,並披露截至目前已移除超過 538,000 支影片,且已對超過 4,000 個帳戶進行處罰。該平台將把執法重點放在 AI 深偽、聲音克隆、冒充行為,以及對名人肖像的未授權商業使用。
根據 TikTok 於 2026 年發布的治理報告,該平台已移除涉及 360,000 支含 AI 影射冒充與蹭熱趨勢的影片;處理了 85,000 則包含未授權 AI 生成臉部相似度與聲音克隆的內容;並清理了超過 30,000 則針對中年與長者用戶的誤導性「AI 愛情詐騙」內容,同時對 1,300 個相關帳戶進行處罰。該平台承認業界仍面臨持續挑戰,包括難以辨識 AI 生成內容,以及在語音辨識能力方面的限制。
4 月 9 日,微信宣布更新其公眾平台營運規範,禁止帳戶使用 AI、腳本或自動化工具,以在內容生產與分發中取代人類創作者。違規將導致流量限制、內容刪除或帳戶停權。3 月 27 日,微信已將這些規則正式化,涵蓋 AI 生成內容、透過腳本進行的自動化發布,以及推廣非人類自動化創作方法。
紅果短劇報導稱,4 月 6 日其移除了 2026 年第一季度 1,718 部不符合規範的動畫劇集。隨著未授權 AI 內容使用量激增,該平台對 15,000 部作品展開全面審查,移除了 670 部不符合規範的製作,並揭露了四類典型違規。該平台強調其致力於保護原創內容,並防止未授權使用 AI 生成素材。
免責聲明:本頁面資訊可能來自第三方,不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考,不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證,對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為,價格波動劇烈,您可能損失全部投資本金。請充分了解相關風險,並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見
聲明。
相關文章
OpenAI Codex 前工程師推出 Blackstar,籌集 $12M 種子輪募資,由 Abstract 領投
Gate 新聞訊息,4 月 23 日——OpenAI 的 Codex 團隊前工程師 Daniel Edrisian 宣布推出 Blackstar Computers,這是一家已完成 $12 百萬種子輪募資的 AI 硬體公司。Abstract 領投,參與方包括 SV Angel、Naval Ravikant、Chapter
GateNews剛剛
台灣銀行業聯手打造本土 AI!金融大型語言模型最快年底上線
中信金控領軍的16家金融機構宣布啟動『金融大語言模型FinLLM』專案,首版銀行模型預計8月發布,2026年Q1再推出以FinLLM為基礎的AI代理。訓練自5月起,預算約4000–7000萬元。因法規與在地化需求,以本地資料訓練為核心,強化主權AI、建構共用基礎設施,並擴及普惠金融。計畫已納入國家AI發展計畫,獲跨部會支持。
鏈新聞abmedia31分鐘前
Google 執行長:2026 年資本支出達 1850 億,AI 智能體時代投資加碼
Google 執行長 Sundar Pichai 於 4 月 22 日在拉斯維加斯舉行的 Google Cloud Next 大會上宣布,Google 計劃 2026 年投入 1,750 億至 1,850 億美元資本支出,用於建設自主人工智慧代理(AI Agent)所需的基礎設施,較 2022 年 310 億美元增加。
Market Whisper1小時前
Google Jules 開放新版候補名單,重新定位為端到端產品開發平台
根據 Google Jules 團隊官方於 4 月 23 日公告,Jules 的產品定位已從非同步編碼 agent 升級為「端到端 agentic 產品開發平台」,新版本可讀取完整產品上下文、自主判斷下一步建構方向,並提交 PR,官方同步宣布開放新版本候補名單。
Market Whisper1小時前
Google Jules 重新品牌為端到端代理式產品開發平台,為新版本開放候補名單
Gate News 訊息,4 月 23 日——Google 的 Jules 團隊宣布為產品新版本開放候補名單,將 Jules 從非同步程式碼代理重新定位為端到端的代理式產品開發平台。根據官方描述,升級後的平台可讀取完整產品情境,判斷接下來應該建立什
GateNews1小時前
Perplexity 揭露 Web 搜尋代理後訓練方法;基於 Qwen3.5 的模型在準確率與成本上超越 GPT-5.4
Perplexity 使用搭配 Qwen3.5 模型的 SFT,並在其後使用帶有 RL 的強化學習;透過多跳 QA 資料集與規則量表檢查來提升搜尋的準確性與效率,實現業界一流的 FRAMES 表現。
摘要:Perplexity 的線上搜尋代理後訓練流程,結合監督式微調 (SFT),以透過線上強化學習 (RL)(使用 GRPO 演算法)來強制遵循指令與語言一致性。RL 階段使用專有的多跳可驗證問答資料集,以及基於規則量表的對話資料,以防止 SFT 漂移,並採用獎勵閘控與同組內效率懲罰。評估顯示 Qwen3.5-397B-SFT-RL 在 FRAMES 上取得頂尖表現:單次工具呼叫準確率為 57.3%,四次呼叫為 73.9%,每次查詢成本為 $0.02;在這些指標上超越 GPT-5.4 與 Claude Sonnet 4.6。定價採用 API 計費,且不包含快取。
GateNews2小時前