跳到主要內容

DOGE AI工具SweetREX曝光：美國政府砍法規爭議大 | DOGE AI Tool SweetREX Exposed: US Deregulation Bot

By Kit 小克 | AI Tool Observer | 2026-08-03

🇹🇼 DOGE AI工具SweetREX曝光：美國政府砍法規爭議大

DOGE AI工具「SweetREX」近日因FOIA文件曝光引爆爭議：美國政府效率部（DOGE）派駐在住房及城市發展部（HUD）的一名大學生，主導開發一套AI系統，用來審查聯邦住房法規並建議「保留、刪除、部分刪除」，且內部指示文件明確要求AI以「刪除法規」為預設立場。這起事件把AI用於政府決策的風險攤在陽光下。

SweetREX是什麼？大學生用AI審查HUD法規

SweetREX以DOGE成員Christopher Sweet命名——他是芝加哥大學經濟與資料科學系三年級學生，沒有政府工作經驗，卻拿到HUD公共住房資料庫與收入驗證系統的存取權限。他的頭銜是「特別助理」，但內部通訊顯示更貼切的說法是「AI程式設計量化分析師」。

根據非營利組織Democracy Forward透過FOIA取得的簡報文件，SweetREX號稱能在2.4小時內處理超過10萬則公眾意見，相較人工審查需要36小時。這套DOGE AI工具的核心任務，就是把HUD所有法規逐條比對母法，找出可以「鬆綁或直接廢除」的空間。

FOIA文件曝光：AI被要求「以砍法規為預設立場」

最關鍵的爭議點在於內部指示的原文：「我們一開始就假設法規理應被淘汰，這是預設情況。」換句話說，AI不是中立分析法規利弊，而是被設定成從「該刪」的立場出發再找理由——這與一般理解的政策分析程序完全相反。

為什麼用AI審查法規讓專家擔心？

  • AI諂媚性：有消息來源指出，AI工具容易「附和使用者偏好的結論」，若預設立場是刪除，模型很可能順勢生成支持刪除的論述。
  • 法律判斷力存疑：前勞工部官員質疑，AI能否勝任最高法院Loper Bright判決要求的「獨立司法判斷」，畢竟法規是否符合母法授權,需要複雜的法律推理。
  • 準確率坦承不足：馬斯克本人曾承認DOGE團隊的工作「大約七到八成時候是對的」——對影響數百萬人的政府法規而言，這個容錯率相當驚人。
  • 模型與資料完全不透明：DOGE與HUD都未公開SweetREX使用的AI模型、訓練資料來源或具體提示詞，外界無從獨立驗證其判斷依據。

這起事件的意義不只是單一工具的爭議,而是給所有想把AI導入決策流程的機構一個警訊：AI可以加速分析，但不能替代對「立場中立」與「可追溯性」的把關。當AI被預先設定好結論，再多的算力也只是在幫你把偏見包裝得更有效率。

好不好用，試了才知道。

🇺🇸 DOGE AI Tool SweetREX Exposed: US Deregulation Bot

A fresh DOGE AI controversy just broke: FOIA documents reveal that the US Department of Government Efficiency (DOGE) built an AI tool called SweetREX to review federal housing regulations at HUD, and internal instructions explicitly told the AI to treat deletion as the default outcome, not a neutral analysis. It is one of the clearest public examples yet of AI being wired directly into government policymaking with almost no transparency.

What Is SweetREX? A College Student Built an AI Regulation-Killer

SweetREX is named after Christopher Sweet, a University of Chicago undergraduate studying economics and data science with zero government experience, who was given access to HUD's public housing database and income-verification systems. His official title was special assistant, though internal communications reportedly described his real role as an AI computer programming quant analyst.

Documents obtained by Democracy Forward via FOIA show the tool claimed it could process over 100,000 public comments in 2.4 hours, versus roughly 36 hours for human reviewers. The core function of this DOGE AI system: run every HUD regulation against the underlying statute and flag which ones could be relaxed or eliminated.

The Smoking Gun: AI Told to Default to Deletion

The most damning line from the leaked instructions reads: We start with the position that the proposed regulatory eliminations are the default case. That is not neutral policy analysis, it is asking the model to justify a conclusion it was already handed.

Why Experts Are Worried

  • Sycophancy risk: Sources note AI tools tend to adopt the preferred outcome of whoever is using them, if the default is deletion, the model will likely generate reasoning that supports it.
  • Legal judgment gap: A former Department of Labor official questioned whether AI can handle the independent legal reasoning the Supreme Court's Loper Bright decision requires when assessing agency authority.
  • Admitted error rate: Elon Musk himself acknowledged DOGE's team gets things right 70-80% of the time, a striking margin of error for rules affecting millions of people.
  • Zero transparency: Neither DOGE nor HUD has disclosed which AI model, training data, or prompts power SweetREX, making independent verification impossible.

The bigger lesson here isn't just about one tool, it's a warning for any organization plugging AI into decision-making: AI can accelerate analysis, but it cannot substitute for neutrality and auditability. When a model is handed its conclusion in advance, more compute just means faster-packaged bias.

The only way to know if it actually works: try it yourself.

Sources / 資料來源

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容