知名AI招聘初创公司Mercor已确认遭受一起与开源项目LiteLLM供应链攻击相关的安全事件。
这家AI初创公司周二告诉TechCrunch,它是最近LiteLLM项目遭到入侵后受影响的"数千家公司之一",该攻击与名为TeamPCP的黑客组织有关。在勒索黑客组织Lapsus$声称已经攻击Mercor并获取其数据后,这一事件得到证实。
目前尚不清楚Lapsus$团伙是如何在TeamPCP网络攻击中从Mercor获得被盗数据的。
成立于2023年的Mercor与包括OpenAI和Anthropic在内的公司合作,通过聘请来自印度等市场的专业领域专家(如科学家、医生和律师)来训练AI模型。该初创公司表示,它促成了每日超过200万美元的支出,并在2025年10月由Felicis Ventures领投的3.5亿美元C轮融资后估值达到100亿美元。
Mercor发言人海蒂·哈格伯格向TechCrunch确认,公司已"迅速行动"遏制并修复了这一安全事件。
"我们正在领先第三方取证专家的支持下进行全面调查,"哈格伯格说。"我们将继续适当地与客户和承包商直接沟通,并投入必要资源尽快解决这一问题。"
此前,Lapsus$在其泄露网站上声称对这次明显的数据泄露负责,并分享了据称从Mercor获取的数据样本,TechCrunch已审查了这些数据。样本包括涉及Slack数据的材料和看似票务数据的内容,以及两个据称显示Mercor AI系统与其平台承包商之间对话的视频。
哈格伯格拒绝回答后续问题,包括该事件是否与Lapsus$的声明有关,或者是否有任何客户或承包商数据被访问、窃取或滥用。
LiteLLM的入侵事件最初于上周浮出水面,当时在与这家Y Combinator支持的初创公司开源项目相关的软件包中发现了恶意代码。虽然恶意代码在几小时内就被识别并移除,但由于LiteLLM在互联网上的广泛使用,该事件引起了关注。根据安全公司Snyk的数据,该库每天被下载数百万次。这一事件还促使LiteLLM对其合规流程进行更改,包括从争议性初创公司Delve转向Vanta进行合规认证。
目前仍不清楚有多少公司受到LiteLLM相关事件的影响,或者是否发生了任何数据泄露,调查仍在继续。
Q&A
Q1:Mercor是一家什么样的公司?主要做什么业务?
A:Mercor是一家成立于2023年的AI招聘初创公司,主要与OpenAI和Anthropic等公司合作,通过聘请来自印度等市场的专业领域专家(如科学家、医生和律师)来训练AI模型。公司促成每日超过200万美元的支出,在2025年10月C轮融资后估值达到100亿美元。
Q2:LiteLLM项目遭到攻击会产生什么影响?
A:LiteLLM是一个被广泛使用的开源项目,根据安全公司Snyk的数据,该库每天被下载数百万次。当其软件包中被发现恶意代码时,数千家使用该项目的公司都可能受到影响,形成供应链攻击。虽然恶意代码在几小时内被移除,但具体影响范围仍在调查中。
Q3:Lapsus$黑客组织在这次攻击中扮演什么角色?
A:Lapsus$是一个勒索黑客组织,他们声称已经攻击了Mercor并获取了其数据。该组织在其泄露网站上分享了据称从Mercor获取的数据样本,包括Slack数据、票务数据以及显示Mercor AI系统与承包商对话的视频。不过目前尚不清楚他们是如何从TeamPCP的攻击中获得这些数据的。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。