标签
前Meta研究员Stephen Roller在法庭证词中承认在职期间通过BitTorrent下载并分发了盗版Books3数据集，该数据集被用于训练Llama模型，尽管Meta此前否认通过BitTorrent获取该数据集。Meta回应称该下载可能是为个人用途，而原告计划要求法院进一步查明Meta获取和使用该数据集的详情。
MIT Technology Review 每日科技简报：AI 实验室收购已倒闭的初创公司以获取训练数据、AI 技术助力跨物种交流研究，以及月球基地建设面临的挑战。
数据经纪商正以10万至200万美元的价格收购SaaS公司的数据集，这些数据随后被转售给AI训练公司和前沿实验室，用于将SaaS能力整合进AI应用，同时SaaS公司借此填补收入缺口。
科学家们日益担忧AI公司可能在未经允许的情况下将用户上传的研究稿件、想法和数据用于模型训练，引发关于研究隐私和知识产权归属的讨论。相关争议包括AI公司被指控抓取用户上传文档，以及OpenAI等公司展示模型研究成果时引发的伦理质疑。
帖子讨论AI实验室面临合成数据过剩、却极度缺乏真实世界失败日志数据的困境，指出能捕获并利用失败数据的玩家将掌控AI评估层，形成真正的护城河。
作者评论了AI版权争论中被认为存在的双重标准，指出人类从现有作品中学习进行创作，而机器做类似的事情时却被称为史无前例的知识产权侵权行为。
一篇推文串，论述AI训练数据是一种独特的易腐商品——当模型在某项任务上的准确率达到约70%时，其价值便荡然无存。这催生了一个火热的市场，甚至造就了最年轻的白手起家亿万富翁，然而最大的买家正在将数据生产收归内部。
USA Today 及其旗下多家地方报纸起诉 OpenAI，索赔超过 2.5 亿美元，指控该公司未经许可复制数十万篇文章用于训练其 AI 模型。
据报 OpenAI 计划发布数百道由 AI 解决的数学题，此举引发数学家的批评，他们认为这类输出贬低了人类的数学推理能力以及严格的证明标准。
一篇评论指出，Ben Affleck 声称自己用 8 个月的私有拍摄数据构建了一层，以保住电影人的所有权，而多数开源模型仍是在未经同行同意的情况下训练出来的——这一差距正在侵蚀小型工作室的收入。
尽管Bodleian Library旨在使文本更易获取，Oxford University允许OpenAI使用其文本（包括旧博士论文）训练AI模型，引发了关于伦理和能源使用的担忧。
日本二手书店销量激增五倍，原因疑似为外国AI科技巨头大量购书用于AI扫描和销毁，引发数据来源伦理担忧。
Snorkel AI 在完成3.5亿美元的E轮融资后，估值翻三倍至35亿美元，这得益于AI训练数据需求的激增。公司现在专注于数据即服务，通过合成和专家生成的数据提供完整数据集和模拟环境。
Garry Tan 在推特上表示，Facebook 的 Muse 正在从用户行为中生成有价値的AI训练数据，并将其数据收集与Onavo应用进行比较。
该推文强调了Facebook通过其'muse'产品收集大量个人AI训练数据的潜力，将其与Onavo相比较，并指出这可能极大地提升其数据飞轮效应。
文章探讨了尽管可能使用相同供应商的训练数据，不同实验室的AI模型为何拥有独特优势，例如在编程或写作方面。它指出，美国数据供应商也向中国实验室供货，引发了训练资源重叠的担忧。
AfterQuery 是一家 AI 训练数据初创公司，已成为 Y Combinator 估值 32 亿美元的最快独角兽，距离成立仅 18 个月。该公司与主要 AI 实验室合作，并雇佣知识专业人士进行模型训练。
AI公司秘密购买并销毁实体书籍以获取训练数据，将知识锁起来，而 Anna's Archive 正敦促志愿者扫描珍本书籍，以防止文化遗产损失。
谷歌正在收购破产的Spirit航空公司的员工数据，引发了空乘人员的隐私担忧，他们担心自己的数据可能得不到充分保护。
Rocky Linux 创始人 Gregory Kurtzer 宣布了 OpenWALDO 项目，旨在开放 AI 训练数据，以促进真正的开源 AI 发展。