美国全国广播公司(NBC)10日援引两个情报机构消息人士的话披露说,美方通过分析多份情报文件判定,俄罗斯正考虑将“棱镜”监听项目曝光者、有“鼹鼠”之称的美国前防务承包商雇员爱德华·斯诺登引渡回美国,作为给美国总统唐纳德·特朗普的“礼物”。不过斯诺登的律师对这一报道予以否认,将其称之为“猜测”,因为俄方引渡斯诺登回美国“没有任何法律依据”。
“巴结”特朗普
NBC报道称,美国一名高级情报官员在分析一系列高度敏感的情报文件后认为,将斯诺登交还给美方是俄方正在考虑的多种“巴结”特朗普方式中的一项选择。
自特朗普就任美国总统以来,华盛顿和莫斯科均表达了改善两国关系的意愿。
不过,斯诺登的美国律师本·维茨纳告诉NBC,他对于这样的计划并不知情。斯诺登的俄罗斯律师阿纳托利·库切列纳也告诉俄罗斯国际文传电讯社:“所有这些说法只是寻常猜测,某些人正在恣意想象。”
按法新社说法,库切列纳自斯诺登2013年抵达俄罗斯以来一直是他的律师。库切列纳同时坚称,斯诺登“居住在俄罗斯绝对合法”,“俄罗斯没有任何法律依据来交还斯诺登”。
上个月赶在美国前总统贝拉克·奥巴马卸任前,俄罗斯将斯诺登的居留许可延长3年至2020年。
“俄罗斯不会拿人和人权做交易,尽管美国秘密机构经常试图把我们卷入各种挑衅行为中。”库切列纳说。
斯诺登咋想?
虽然两名律师都对NBC报道予以驳斥,但斯诺登本人10日在推特网站上专门就这一报道发文,这似乎显示他本人并未怀疑报道的真实性。
斯诺登写道:“终于(来了):无可辩驳的证据显示我从未与俄罗斯情报机构合作。没有国家会卖掉间谍,因为其他人会担心他们成为下一个。”
2013年6月以来,斯诺登通过媒体披露了有关美国政府秘密监听行动的机密文件,美国政府随后以间谍罪、盗窃罪和未经授权泄露国防和情报信息等3项罪名对斯诺登发出通缉。当年8月,斯诺登在俄获得“临时避难”许可。
按《今日美国报》网站说法,多名美国众议员都指责斯诺登已将美国重要情报出卖给俄罗斯。
而斯诺登本人一直否认这种指责。去年12月,他在接受一次网络直播采访时表示,强迫自己返回美国违反人权,但他对回国后即将面临法律审判“并不真的担心”,因为他知道自己做的是正确的事、无悔自己所做的选择,而且这也能终结他是俄罗斯间谍的说法。
回国真有戏?
上个月,美国时任总统奥巴马宣布,为向维基揭秘网站泄露大量机密文件而入狱的美军士兵切尔西·曼宁减刑。这让各界猜测斯诺登是否会得到美方宽大处理。
随着特朗普就任总统,斯诺登能否回国再次引发关注。特朗普本人及他选定的新任中央情报局局长迈克·彭佩奥此前都曾表示将严惩“叛国者”斯诺登。截至目前,白宫方面尚未对NBC的报道发表评论,但美国司法部对斯诺登回国表示欢迎。
上个月,中情局前代理局长迈克尔·莫雷尔曾撰文暗示称,俄罗斯总统弗拉基米尔·普京可能会交还斯诺登,以纪念特朗普当月的就职。俄外交部发言人扎哈罗娃对此说法予以谴责。
美国前国家安全副顾问胡安·萨拉特认为,俄罗斯同意交还斯诺登是“与(特朗普)新政府改善关系、需求合作的信号,但毫无疑问将在美国围绕监听作用、情报界作用以及未来的隐私和公民自由等问题引发争议”。因此,特朗普政府应谨慎对待俄方提议。
好文章,需要你的鼓励
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。