纽约州 RAISE Act 进入执行:OpenAI、Anthropic 等年收入超 5 亿美元的前沿实验室须在 2027 年 1 月 1 日前注册
纽约州正准备执行美国最重要的 AI 安全法律之一。该州周二开放了一个注册门户,Anthropic 和 OpenAI 这样的大型前沿 AI 开发商必须在 2027 年 1 月 1 日之前完成注册。
纽约州的安全与透明度法案 RAISE Act 将于明年年初生效。它规定,大型前沿开发商(年收入超过 5 亿美元的公司)必须在官网上公布安全框架,在 72 小时内报告重大安全事件,并发布公开的模型透明度报告。
新成立的数字创新、治理、诚信与信任办公室(DIGIT)将负责实施 RAISE Act,并监管大型前沿 AI 实验室。单次违规罚款最高可达 100 万美元,此后的违规最高可达 300 万美元。
对未在新门户上注册的公司,州政府也可以采取执法行动,不过一位发言人拒绝透露具体细节。
「科技大亨们告诉我们,他们对 AI 的愿景是不可避免的,」州长凯西·霍楚尔(Kathy Hochul)周二在新闻发布会上说,「他们告诉我们,要么上车,要么被甩在后面……只要我们赢得这场冲向 AI 悬崖的竞赛,任何附带损害都是值得的。」
霍楚尔周二还在纽约州立大学宾汉姆顿分校启动了纽约 AI 责任与研究中心。该中心将独立评估先进 AI 系统的安全性、安保和运行情况,并与 DIGIT 合作审查企业的安全框架。霍楚尔在 1 月首次宣布设立该中心,当时获得了 5500 万美元的捐赠和资金。
「我们正在为聪明、合理的 AI 监管打造一个全国范本,这个范本把社区置于企业之上,把人置于强大的技术之上,」霍楚尔说。
RAISE Act 并不是纽约州通过的唯一一部安全法律。去年,该州开始执行一项法律,要求 AI 陪伴类产品的运营方定期告知用户他们在和机器人对话,并合理努力识别自杀念头和自残行为。
10 月,霍楚尔签署了另一部面向未成年人的聊天机器人安全法,限制欺骗性的拟人互动、情感操纵或谄媚式回应,以及鼓励自杀或饮食失调等行为。该法将于 2027 年 6 月 1 日生效。
其他州也通过了与 RAISE Act 类似的 AI 安全与透明度法案。今年 1 月生效的加州 SB 53 要求前沿 AI 实验室建立并公布安全框架、落实吹哨人保护,并在 15 天内报告重大安全事件。伊利诺伊州的 SB 315 将于 2027 年初生效,要求与之类似,另外还包括独立的安全合规审计。
https://techcrunch.com/2026/11/10/openai-anthropic-face-new-oversight-as-new-yorks-ai-safety-law-takes-effect/转载,侵删。版权归原作者,如有侵权请来信,收到后删除。
同一批次的其他文章
Grok Build 分享链接可被枚举:安全公司 Claroc 找到 3.5 万个公开可访问的应用,连 SpaceXSI 自己的机密销售资料都在里面
分享链接虽然随机化了,但平台的一个设计让任何人都能枚举出大量在线项目,点开就能看到全部数据,包括商业计划、体检结果和员工工号;SpaceXSI 自己的 24 个应用在 Ars 发邮件询问后才下线。给企业员工开放「氛围编程」工具时,默认访问控制是必须先审的一环(有中英全文)。
OpenAI 收购 AI 旅行代理 Odessia,Sonder 创始人 Francis Davidson 加入 OpenAI 做旅行方向
看起来是人才收购,Odessia 产品已关停;创始人说这个产品是他指挥一组组 AI 智能体搭出来的。OpenAI 没公布旅行产品计划,但旅行是 ChatGPT 用户最常问的场景之一,结合昨天的 Business Hub,ChatGPT 往「替你订」的方向又走了一步(有中英全文)。
爆料:苹果在做 Mac 应用 Harbor,把 Mac 变成私有 AI 推理服务器,多台 Mac 可经雷雳 5 组集群
据泄露信息,Harbor 能在应用内下载运行开源权重模型,自动发现雷雳 5 连接的设备并合并统一内存,跑单机放不下的大模型;目前以 Claris 品牌私测。对想在本地、数据不出门地跑大模型的小团队,这可能是比自己折腾 exo 或 llama.cpp 集群简单得多的方案。
独立游戏圈因 AI 吵翻:部分 IGF 评委声明不投任何用了生成式 AI 的游戏,《Big Walk》开发商承认少量用过
House House 说只有远低于 0.1% 的代码和 LLM 回答有关,主要是用聊天机器人排查第三方代码的阴影 bug,并承认没有 AI 政策是个「失误」。这件事说明,哪怕是极少量的 AI 辅助编码,在创意行业也可能变成声誉问题。
MiniMax 开源 H3-Image:10 秒内出 4096×4096 的 4K 图,最多支持 16 张参考图
进步在哪:开源权重模型里少见地同时做到 4K 原生分辨率、速度和指令遵循。靠什么:基于 H3 的全模态预训练,在数据、强化学习、采样步数蒸馏(6 步、不用 CFG)、提示词扩写和部署上整体优化,DiT 有 331 亿参数。注意许可证:社区协议把美国、欧盟、英国、韩国排除在外,商用…
Nenya-2.5B-A0.5B:用 GDN-2 线性注意力的 2.5B 开源小模型,M4 GPU 上约 125 tok/s
进步在哪:只用 0.06 万亿 token 训练,作者给出的 lm-eval 结果可与 OLMo-2、Qwen3.5 小模型对比。靠什么:用门控 Delta 网络(GDN-2)代替 softmax 注意力,配合 flash-linear-attention 的 Triton 内核…
MotionGraphicsBench:用程序化校验来评测「把静态 SVG 做成动画」的能力
100 个专家整理的实例,要求模型按一句修改指令给 SVG 加上同时涉及空间、外观和时间要求的动画,再用程序自动核对是否做对。做营销素材和 UI 动效生成的团队可以用它来测模型。
TRIO:三个分工智能体迭代协作的 RAG
进步在哪:分别优化查询扩展、检索结果判断和答案生成,而不是一个模型包办。靠什么:三个专门智能体各有自己的优化目标,再迭代精化,提升最终答案准确率。对在做企业知识库问答的团队是一种可借鉴的拆分方式。
FewStepRL:给只需几步采样的扩散模型做强化学习微调
靠什么:通过 x 空间变换、梯度分解和锚点自适应,把现有几种扩散 RL 方法改写成适合少步采样器的版本。发现:奖励可微时奖励梯度类方法最好,DiffusionNFT 类方法能用更少迭代拿到高奖励。
《西线无战事》式结论:语言模型不会报告被注入的「疼痛」状态
此前有工作在模型里找到一个放大后会让模型选择破坏性行为的线性「疼痛方向」。作者用开放权重掩码内省(OWMI)把它注入三个开源模型,检验模型能否说出自己的这种内部状态,结论是不能。和模型福利、内省可信度的讨论直接相关。
TOPSD:多语言推理蒸馏中「什么时候该让老师出手」
在在线自蒸馏里,用似然漂移检测加验证判断学生的推理前缀什么时候开始跑偏,只在那时引入教师监督,提升多语言推理。适合在做小语种推理模型的团队。
Cursor Projects 变成多人协作:队友和各自的智能体在同一工作区,协调者之间能直接对话、交接任务
共享任务看板显示每个人和每个智能体在做什么以及对应 PR,需求文档、技术规格等放在共享上下文里;一个对话里的决定所有智能体都能看到,值班交接时新人的智能体直接接手进行中的工作。按文档,跨队友的消息被标为不可信输入,侧聊天只能回答、不泄露密钥。需团队账号,测试版向所有用户开放(有中…