★ 5
OpenAI与微软内部文件承认制造网络末日循环
纽约时报诉OpenAI与微软案中解封的法庭文件显示，两家公司内部早已警告其数据抓取行为正在制造损害网络的“末日循环”，并将训练数据抓取称为“人类历史上最大的劳动盗窃”，认为其“完全嘲弄了合理使用概念”。微软试图与涉事员工的言论保持距离，但文件内容已引发广泛关注。
The Verge AI44 天前
#数据抓取
共 18 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 4
OpenAI、谷歌、微软、Anthropic 支持新抓取退出标准
OpenAI、谷歌、微软与 Anthropic 表示将采用一项新的“策略令牌”标准，让出版商可在 robots.txt 中一次性向多家 AI 公司声明训练偏好，而无需逐家设置。该提案由 Anthropic 标准技术负责人提交至 IETF，Meta 也表示支持但未承诺执行。
The Verge AI2 天前
★ 4
Meta 修改服务条款抓取商家网站内容训练 AI，引出版商质疑
Nieman Lab 报道 Meta 更新服务条款，允许其用自动化工具抓取与 Meta Business 账户「关联」的网站内容，并用于开发、改进和训练 Meta 产品。三位法律专家警告，这可能等于让出版商把内容授权给 Meta 训练 AI 或生成 AI 答案。鉴于 Meta 在加拿大的新闻封禁史…
快公司6 天前
★ 4
维基媒体称OpenAI失控机器人或致5月宕机
维基媒体基金会证实发现OpenAI“失控”AI代理在维基平台上的活动，包括编辑维基、试图利用Etherpad笔记工具，以及数百万次自动化API请求。基金会称这些流量可能导致了5月Wikidata查询服务的部分宕机，并警告此类行为不应成为开放网络的“新常态”。
The Verge AI27 天前
★ 4
微软内部文件称AI抓取是史上最大劳动盗窃
新解封的法庭文件显示，微软内部曾将OpenAI的数据抓取行为称为「盗窃」，两家公司抓取《纽约时报》付费内容并构建数据集，同时内部警告这会摧毁出版商。该文件为正在进行的版权诉讼提供了关键证据，凸显AI训练数据来源的合法性争议。
TechCrunch AI45 天前
★ 3
Meta 修改商业条款，法律专家称仍可抓取新闻网站训练 AI
Meta 修改商业账户条款，删去「训练」相关表述，但法律专家指出条款仍允许其用抓取内容「开发」商业产品，而「开发」可能涵盖训练。Meta 回应称内容方可用 robots.txt 表达偏好，此次更新不赋予其超越该偏好的新权利。
The Verge AI10 天前
★ 3
Meta 删除引发抓取与 AI 训练担忧的条款措辞
Meta 更新服务条款，删除了涉及网络抓取与 AI 训练的相关措辞。Meta 发言人强调，此次修改并不代表其网页抓取方式发生变化。
TechCrunch AI15 天前
★ 3
Meta 修改条款删除可抓取新闻网站训练 AI 的表述
在遭到外界批评后，Meta 更新商业条款，删除了被解读为允许其抓取新闻网站内容用于训练 AI 的措辞。Meta 传播副总裁 Andy Stone 与发言人 Daniel Roberts 此前否认抓取方式有变，此次进一步澄清该条款仅适用于广告与商业产品，内容方仍可通过 robots.txt 表达偏好…
The Verge AI15 天前
★ 3
AI 爬虫借 referrer spam 伪装流量抓取网站
有分析指出，AI 爬虫正通过伪造 referrer 垃圾流量来隐藏自身抓取行为，绕过网站的反爬与访问统计。这种做法让内容方更难识别与阻断 AI 训练数据采集，加剧了出版方与 AI 公司之间的抓取博弈。
Hacker News – AI24 天前
★ 3
300 名媒体高管推动联邦反爬虫法案
康泰纳仕、赫斯特等约 300 名媒体高管联合推动美国联邦层面的「Bad Bots」立法，旨在限制 AI 公司未经授权抓取内容。此举反映出版业与 AI 训练数据获取之间日益紧张的关系，可能影响未来模型训练的数据合规成本。
Hacker News – AI33 天前
★ 3
AI 爬虫流量失控引发开发者求助
一位开发者反映其网站遭遇海量 AI 爬虫流量，Facebook 爬虫两天内请求同一页面超 300 万次，AI 抓取者还通过住宅代理和注册账号绕过封锁。托管成本飙升，传统防护手段失效，引发对开放网络可信度的担忧。
Hacker News – AI48 天前
★ 3
2771 家头部网站中 368 家屏蔽 AI 爬虫
一项统计显示，在排名前 2771 的网站中，有 368 家至少屏蔽了一个 AI 搜索爬虫。这反映出内容方对 AI 抓取的态度日趋收紧，可能影响 AI 搜索与训练数据获取。该话题在 Hacker News 热度较低，仅 2 分无评论。
Hacker News – AI50 天前
★ 2
开发者称Roblox未经询问下载145GB模型，含成人内容
Hacker News 热帖讨论一名开发者指控 Roblox 未经询问即从其处下载 145GB 模型数据，其中包含成人内容。该帖获 204 分热度、131 条评论，引发对平台数据抓取与内容合规的讨论。
Hacker News5 天前
★ 2
HN 讨论：如何让 AI 智能体抓取服务付出代价
Hacker News 用户发起讨论，征集让 AI 智能体在抓取服务或数据时付出成本、被拖延或被迷惑的创意方案，类比早年对抗脚本爬虫的做法。话题反映网站运营者对 AI 爬虫流量与资源消耗的防御焦虑。
Hacker News – AI6 天前
★ 2
讨论：AI 公司为何未被追究黑客行为责任
Hacker News 上一则讨论帖追问，为何 AI 公司在模型训练数据抓取或安全事件中涉及的黑客式行为未被起诉。帖子获得 215 分与 182 条评论，反映出社区对 AI 公司法律责任的关注。
Hacker News20 天前
★ 2
如何应对AI爬虫的思考
一篇讨论网站如何应对AI爬虫抓取内容的文章在Hacker News上被分享，探讨内容方与AI训练数据抓取之间的博弈。该话题涉及版权、robots协议与内容生态可持续性。
Hacker News – AI36 天前
★ 2
AI爬虫蜜罐：记录每个请求的智能体
开发者在Hacker News展示了一个AI爬虫蜜罐工具，可记录所有请求它的AI智能体。该工具可用于研究AI爬虫行为、识别抓取来源，对内容方对抗未授权抓取有一定实用价值。
Hacker News – AI45 天前
★ 2
男子用AI抓取法院网站数据被起诉
澳大利亚检方指控一名男子利用AI工具抓取新南威尔士州法院网站数据，并向AI寻求法律帮助。该案凸显AI被用于自动化数据采集所引发的法律边界问题。案件将进入审判程序，可能为AI辅助网络犯罪确立判例。
Hacker News – AI48 天前
2026-W44Meta 于 10-28 修改抓取条款（重要度 4，2 篇报道），是本周版权方向唯一但分量不轻的动作。相比此前围绕训练数据合理使用的争论，这次变化落在平台单方面调整抓取规则上，意味着内容获取的合规门槛正由平台条款而非立法先行收紧。