标签
这篇《福布斯》文章揭露，像Surge AI和Mercor这样的美国数据标注初创公司正秘密向中国AI实验室出售高质量训练数据，尽管美国实施了芯片限制，但这帮助中国缩小了与美国AI的差距。文章强调了数据基础设施在AI军备竞赛中被忽视的作用，以及围绕专有数据出口的监管盲区。
企业AI经常低估数据操作背后的工作量，从标注到治理，这对规模化至关重要。
一个精心整理的GitHub仓库，列出了覆盖各种数据类型的数据标注工具，由HumanSignal维护，是机器学习团队的全方位速查表。
一条推文强调，新员工专注于数据标注而不是立即设置GPU训练，这对于机器学习岗位来说是一个好迹象。
Dan Shipper 采访了 Surge AI 首席执行官 Edwin Chen，探讨人工智能的发展、通用人工智能的可能性，以及这对人类动机和独特性的影响。他们还讨论了人工智能解决新型数学问题的能力、优化参与度的陷阱，以及为什么人工智能在写作方面仍然存在困难。
Merve (@mervenoyann) 分享了使用多个小型 VLM 作为评判器的管线的第二天发现，在道路标志检测中仅用 1.3k 样本就达到了 map@50=0.8028。这条推文比较了模型拒绝率，讨论了数据集缩小、超具体提示以及泛化该库的计划。
世界银行的一份报告和纪录片揭示，AI系统依赖于一个由1.5亿至4.3亿低薪数据工作者组成的隐性劳动力，他们通常是全球南方的难民或危机人口，在保密条件下从事剥削性的标注和注释任务。
这篇文章揭露了发展中国家数百万低薪工人在剥削条件下为AI模型执行关键的数据标注和内容审核工作，而科技公司为了维持全自动化的假象，刻意掩盖了这种人类劳动的存在。
Meta成立三个月的Applied AI部门由被迫担任该角色的工程师组成，被描述为“令人精神崩溃的古拉格”，因为要执行乏味的AI训练任务，如生成谜题和编程问题，导致内部抗议和士气低落。
一名印度女性每小时赚取2.60美元，通过录制自己做家务的过程，为AI机器人提供训练数据。
Gergely Orosz 指出，Scale AI 和 Meta 的软件工程师被分配做人工数据标注工作，而 Scale AI 的新领导层在发现这种做法后已叫停。
为Meta人工智能产品提供内容审核和数据标注服务的Covalen公司的合同工在Meta都柏林办公室外抗议裁员，要求改善遣散费方案并结束六个月的冷静期。
Adala 是一个开源框架，用于构建自主数据标注智能体，这些智能体通过与基准数据集和 LLM 运行时交互，迭代式地学习技能。
Tack 是一款免费的基于浏览器的工具，允许用户标记点、绘制多边形，并将坐标数据导出为 JSON 或 YAML 格式，而无需将图片上传至服务器。