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
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。