Appen
PulseAugur coverage of Appen — every cluster mentioning Appen across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Subquadratic 声称其新的 SubQ 架构实现了大型语言模型突破，并得到独立测试验证
人工智能初创公司 Subquadratic 声称，其新的 SubQ 架构克服了大型语言模型领域一个长达十年的瓶颈。该公司声称 SubQ 更快、更便宜、更节能，能够处理比当前模型多得多的文本，同时在关键任务上与 Google DeepMind、OpenAI 和 Anthropic 的领先大型语言模型相媲美。最初的怀疑因 Appen 的独立评估而有所缓解，这些评估表明 SubQ 在特定数据密集型任务上提高速度和效率的主张可能是有效的，这可…
-
AI需要文化智能以避免误解并确保全球有效性
先进的AI系统常常无法理解语言中的文化细微差别，从而导致潜在的误解和伤害。随着政府和企业越来越多地部署多语言AI，这一差距变得至关重要。为了构建更值得信赖和更有效的AI，公司必须投资于多样化、富含上下文的数据，优先考虑文化专家的评估，并设计能够真正本地化并捕捉当地习语和表达的系统。
-
新工具跨语言测试 LLM 安全性，而非仅限英语
一项新工具已被开发出来，以解决大型语言模型以英语为中心的安全性测试的局限性。研究表明，当使用不同语言进行测试时，LLM 的安全排名可能会发生显著变化，这意味着仅基于英语的评估可能无法准确反映模型对非英语用户的脆弱性。这种每个区域设置的红队测试工具允许对不同语言中的对抗性提示进行单独评分，系统的整体安全门槛由表现最差的语言决定，而不是平均分数。
-
Meta的智能眼镜数据由肯尼亚工人处理，他们会查看私人时刻
一项调查披露，Meta的Ray-Ban智能眼镜收集视频、音频和图像数据，这些数据由Meta在肯尼亚的转包商Sama雇佣的工人进行处理。这些工人报告称，他们观看了未意识到自己被录制的个人的亲密和私人时刻。这一做法凸显了训练AI系统的数据标注员所面临的、通常不为人见的情感劳动和心理压力，正如曾担任这些职位的人士所详述的那样。
-
特斯拉为FSD和Optimus寻求高薪数据标注员，强调质量和领域知识。
特斯拉正积极为其FSD和Optimus项目招聘数据标注员，为管理职位提供高达每年13.8万美元的高薪和全面的福利。该公司强调需要人类对道路规则和复杂场景的理解，表明虽然AI可以自动化一些任务，但细致的判断对于训练先进的AI系统仍然至关重要。此次招聘潮表明特斯拉的内部数据引擎正在显著扩展，这对于实现更高级别的自动驾驶和机器人能力至关重要。