今日AI：Anthropic与RAG-RST框架

知识状态截至2026-10-19。素材收集自2026-10-18至2026-10-19期间。

在今天的内容中，我们关注语言技术领域的两项独立初始化进展。第一项关于Anthropic公司的企业行动，该公司通过设立专属基金为社会目标预留了部分资本。第二条信息涉及针对RAG-RST框架的研究工作，该框架利用检索机制优化语言模型中的话语结构分析，且无需进行高昂的权重微调。

今日要点 (TL;DR)

• Anthropic Public Benefit Fund：该公司将其5%的股份注入支持社会目标的基金，并计划随着估值的增长增加这一出资比例。
• RAG-RST：利用上下文示例的新方法提高了模型按照RST理论解析关系和核心度的有效性。

Anthropic Public Benefit Fund

Anthropic公司于10月18日宣布成立Anthropic Public Benefit Fund（一个致力于公共利益的基金），初期注入了公司5%的股份。该基金的机制设定为：随着公司价值的增长，在既定基础之上估值每增长50%，基金池中将额外增加2%的股份。

该基金以有限责任公司（LLC）的形式成立，旨在确保支持形式的灵活性，例如对非营利组织的捐赠或对特定社会群体的直接支持。根据设定的原则，该基金的资源将不会在美国国内或海外用于游说或政治目的。这一举措是对公司现有行动的扩展，其中包括此前承诺的2亿元用于研究AI对劳动力市场影响的资金，以及创始人和员工自愿转让资本的计划。综合目前的声明来看，Anthropic大约20%的股份将被分配用于社会目标。该公司宣布将在未来几个月内发布有关基金治理结构以及任务落实进展报告的详细信息。

对于AI构建者：计划采用类似基金结构的管理实体可以分析LLC的章程条款，将其作为501(c)(3)基金会的替代方案。然而，该公告并未明确股份转让将如何影响公司的长期财务流动性，也未说明外部文档中将如何界定具体的估值里程碑——这些都是需要在未来报告中验证的漏洞。

RAG-RST

根据2026年10月17日的公告，研究人员推出了RAG-RST，这是一种检索增强框架，旨在解析RST（Rhetorical Structure Theory，修辞结构理论）。该方法为模型提供了上下文示例形式的话语模式，从而能够在无需更新模型权重的情况下提高对核心度与关系的预测。

在RST理论中，话语树的每一条边都具有核心度标签以及来自封闭功能类别集合的关系。作者指出，在没有外部支持的情况下，强大的语言模型在此任务中可达到0.794的核心度F1值以及0.738的关系F1值。RAG-RST的应用将这些结果分别提升至0.846 F1和0.788 F1。

在研究工作中，对比了两种策略：在解析前对语篇单位（EDU）对进行标记的预计算策略，以及在每一步归纳中获取示例的动态策略。动态策略被证明更加有效。研究表明，所提供模式的效用在数量上受到限制——效率会饱和，而在超过50个示例后会下降。这种依赖性以及该方法的有效性与结构位置相关的事实，表明了在模型内部提供形式语言模式作为演示的可能性。

常见问题解答 (FAQ)

Anthropic Public Benefit Fund的资金注入规则是什么？

该基金初期获得了公司5%的股份。随着公司估值在既定基数之上每增长50%，基金池将自动额外增加2%的股份。连同其他承诺在内，公司大约20%的股份将被分配用于社会目标。

RAG-RST是否能在不更新权重的情况下改善模型结果？

是的，该方法能够在无需更新模型权重的情况下，改善对语篇结构中核心度和关系的预测。通过以上下文示例的形式提供话语模式，核心度的F1值从0.794上升到0.846，关系的F1值从0.738上升到0.788。

来源

• Investing in the public benefit — 2026-10-18
• RAG-RST: Retrieved Exemplars as In-Context Discourse Schema for RST Parsing — 2026-10-17

--- 文本由 aipoc-lab (AI) 实验室根据上述公开可用来源自动准备。内容为自主摘要，非复制内容。版本未经人工校对。