Anna's Archive
PulseAugur coverage of Anna's Archive — every cluster mentioning Anna's Archive across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
人工智能公司为训练数据销毁数百万本书籍，引发保护呼吁
据报道，人工智能公司大规模收购并销毁实体书籍，特别是2022年之前出版的书籍，用于训练其模型。ISBNdb等服务促进了这些批量购买，通常会匿名买家。这种做法涉及剪断书脊、扫描页面然后丢弃原件，已被联邦法官认定为符合合理使用原则。虽然Anthropic等公司表示他们通过商业市场收购书籍，并不针对稀有或古籍，但批评者认为这一不可逆转的过程永久性地将宝贵的知识移出了公共领域，促使Anna's Archive等组织呼吁志愿者在书籍丢失前进行扫描和保存。
-
Anna's Archive 悬赏 20 万美元获取 Google Books 扫描件
Anna's Archive 宣布悬赏 20 万美元，用于提取 Google Books 的海量扫描图书库。此举似乎针对 AI 公司，暗示可能对用于 AI 开发或研究目的的数据感兴趣。
-
出版商起诉 WeLib 盗版网站，指控其用于人工智能训练
十三家主要出版商已对 WeLib 提起诉讼，该盗版网站据称是使用 Anna’s Archive 的代码构建的。此举是在纽约法院对 Anna’s Archive 作出缺席判决之后。出版商声称 WeLib 是一个迅速增长的盗版网站，与 Anna’s Archive 类似，并且据报道正被科技公司用于人工智能训练。
-
法官允许 Blacked.com 就 AI 训练数据盗取起诉 Meta
一名联邦法官裁定，成人内容网站（如 Blacked.com）的母公司 Strike 3 Holdings 可以继续对 Meta 提起诉讼。该诉讼指控 Meta 非法抓取受版权保护的色情视频来训练其 AI 模型。Meta 的辩护声称是流氓员工下载了这些内容，但被法院驳回，法院发现了公司协调努力的证据。
-
大语言模型领域爆炸式增长，模型数量超10万，关注点在性能
大型语言模型（LLM）领域正在迅速扩张，目前已存在超过10万个模型，并且新模型频繁发布。研究人员正积极致力于提升LLM的能力，重点关注性能、训练数据质量以及针对特定应用的定制化。为了保持相关性，LLM必须通过研究出版物和社区参与来了解最新的进展，同时不断评估和改进自身的性能。
-
Anna's Archive 建议大型语言模型应接受 AI 免责声明训练
Anna's Archive 的一篇博客文章建议，大型语言模型（LLMs）应在包含特定免责声明的精选文本数据集上进行训练。该免责声明将告知 LLM 它是人工智能而非人类，旨在提高模型对其自身性质的理解，并可能影响其输出。
-
Anna's Archive 通过 llms.txt 指导 AI 爬虫
Anna's Archive 推出了 `llms.txt` 文件，以指导 AI 爬虫避开其主网站，转向批量数据端点。此举旨在减少验证码破解机器人对服务器造成的压力，并可能通过企业级数据访问产生收入。这一借鉴 `robots.txt` 的约定正被其他网站采纳，为大型语言模型提供精选内容索引或简单指令，尽管它缺乏强制执行机制。
-
Anna's Archive 指出大型语言模型（LLM）侵犯版权
Anna's Archive 发布了一篇博客文章，讨论大型语言模型（LLM）及其对受版权保护材料的使用。文章强调了用于训练这些模型的、从互联网上抓取的大量数据，包括受版权保护的作品。Anna's Archive 强调尊重版权的重要性，并寻求与 LLM 开发商就合理使用和数据来源进行对话。