微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 甲骨文在与谷歌的Android侵权案中赢得上诉

甲骨文在与谷歌的Android侵权案中赢得上诉

2014-05-11 10:48
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-05-11 10:48 CNET科技资讯网

甲骨文与谷歌的专利侵权案长期上演,在这个与Android移动操作系统中Java专利侵权以及版权侵犯相关的诉讼纠纷中,甲骨文在周五赢得了重大胜利。

甲骨文在与谷歌的Android侵权案中赢得上诉

美国华盛顿联邦巡回上诉法院判决,在这场企业版权之战中,应授予甲骨文从其在2010年1月因收购Sun Microsystems公司而获得的相关Java语言专利版权保护。

甲骨文在2010年将谷歌告上了法庭,控诉谷歌藐视其版权,认为Android系统涉嫌侵犯与Java相关技术的专利权。

2012年5月,陪审团裁决认为谷歌并未侵犯甲骨文专利,但同时裁定称谷歌使用的Java API结构不具有版权。

然而在当地时间本周五,一个联邦巡回法官小组撤销了之前的裁定,声明甲骨文持有的部分Java语言专利其实应受到版权法的保护。

但陪审团还需要进一步评估,以确定谷歌合理使用材料的确切数量。

甲骨文公司法律总顾问多利安·达利(Dorian Daley)在一份声明中表示,甲骨文“非常满意”陪审团的裁决,称谷歌的尝试会“大大限制计算机代码的版权保护”。

她补充道:“联邦巡回法院的裁决是对甲骨文和整个依赖于版权保护的软件行业的胜利,这种版权保护能够激励创新、确保开发人员能够因其创新突破而获得奖励。我们相信,地方法院在案件发回后将会相应地采用合理使用原则进行审判,而这项原则并不保护对受版权保护材料的赤裸裸的商业开发”。

谷歌表示对这项裁决很“失望”,并称这“为计算机科学和软件开发树立了一个有损害性的先例”。


分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-