标签
该论文提出一个 141M 参数的编码器式 PII 检测模型，使用来自 77 个公共数据集、按统一上下文检测标准重新标注的 112 万条样本训练，在 AI4Privacy 和 Nemotron-PII 基准上以更低的 GPU 内存和 2–10 倍吞吐量取得领先召回率。
Elorian 发布首个视觉思考模型 Glimpse，能够对图像和视频进行推理，理解动作与变化，并有望自动化机器人遥操作数据的标注流程。
医生和律师越来越多地从事高薪零工（约每小时400美元），为人工智能模型标注和审核数据，因为企业希望借助领域专家的意见，提高模型在专业领域的表现。
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。
arXiv 论文中提出的 Goldsmith 智能体标注流水线，能够将小规模专家标注的黄金数据集转化为结构化标注定义，并通过可执行的损失引导循环进行优化，在效果上优于直接重写、OPRO、APE 和 PromptBreeder 等方法。
StayCharted 作为一款无代码工具在 Product Hunt 上线，团队只需上传已经分好类的数据行或照片，即可用自己的自定义类别训练 AI，随后自动对客服工单、报销明细、调查问卷和产品图片进行分类，对于不确定的结果则交由人工复核。
OpenAI利用数百名承包商审查真实用户的ChatGPT提示，以优化模型，此举引发隐私担忧，因提示可能涉及敏感个人信息。
GPT-6 Astra 可以自动识别并标注篮球录像中的各种元素，如球员和裁判，可能使手动数据标注变得过时。
Roboflow 宣布将 Astra 整合用于视觉 AI 产品的数据标注，将时间和成本降至几乎为零，有望解锁数百万产品。此次更新重点介绍了 GPT-6 Astra 等 AI 模型能轻松区分类似视觉类别（如运动员）的进步。
亚马逊将终止其众包工作平台Mechanical Turk，该平台曾广泛用于AI训练数据，由于使用率下降和更高效的数据标注服务的兴起。
Micro1，一家AI数据初创公司，在八个月内因对AI训练数据的高需求而达到5亿美元的年总收入运行率，尽管其规模仍小于竞争对手如Mercor和Handshake。
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。