Richard Stallman
PulseAugur coverage of Richard Stallman — every cluster mentioning Richard Stallman across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
Richard Stallman：自由软件革命者及其深远影响
Richard Stallman，自由软件运动的关键人物，因其始于一台坏打印机的革命性工作而被介绍。Stallman 创立了自由软件基金会和 GNU 项目，创建了 GNU Compiler Collection 和 GNU Debugger 等基础工具，它们是 Linux 操作系统的基本组成部分。他的影响力延伸到 Microsoft、Apple Inc.、Google 和 Amazon 等主要科技公司，并且他与 MIT 相关。
-
谷歌传奇人物 Jeff Dean 在效力 27 年后离职，创办 AI 初创公司
谷歌传奇工程师、最早的员工之一 Jeff Dean 宣布在效力 27 年后离职。Dean 在构建谷歌的许多基础架构方面发挥了关键作用，包括 MapReduce、BigTable 和 Spanner 等系统，并在 TensorFlow 和 TPU 的开发中发挥了重要作用。据报道，他的离职导致谷歌股价大幅下跌。Dean 现在将开启一项新事业，联合创办一家名为 Discovery Loop 的初创公司，专注于自动化机器学习、科学和工程。
-
作者因内容过多而应接不暇，无法阅读所有消息
此集群包含一条来自Mastodon的帖子，讨论了内容量过大以及可用于参与的时间有限的问题。作者表示无法阅读所有收到的消息，并使用幽默和标签来传达这种情绪。该帖子涉及AI、开源以及“enshittification”（网络内容质量下降）等主题。
-
新基准揭示了大型语言模型个性化的局限性
研究人员推出了 Personalized RewardBench，这是一个旨在评估大型语言模型奖励模型在多大程度上能够捕捉个体用户偏好的新基准。现有的最先进奖励模型在个性化方面显示出显著的局限性，在预测用户偏好方面的准确率仅为 75.94%。与现有方法相比，新基准在诸如 Best-of-N 采样和 Proximal Policy Optimization 等任务中的下游性能显示出更高的相关性，从而证明了其在实际应用中评估奖励模型的效用。
-
GCC采纳反对LLM生成代码贡献的政策
GCC指导委员会已采纳一项AI贡献政策，禁止由LLM生成或源自LLM的“具有法律意义的”贡献。该政策根据GNU项目指南，将“具有法律意义”定义为大约15行代码或文本。虽然LLM生成的内容在直接贡献方面受到限制，但只要其输出不被纳入贡献中，仍允许使用LLM进行诸如错误发现、补丁审查和分析等任务。
-
研究发现：AI奖励模型会记住数据集捷径并过度泛化
一篇新论文研究了判别式训练的奖励模型（RMs）的记忆模式。研究表明，奖励模型倾向于将记忆分配给更简单的偏好对，学习模型身份等特定于数据集的捷径，并过度泛化响应长度等简单启发式方法。这些发现表明，目前在人类偏好数据上训练的奖励模型可能会产生有偏见的判断，并且尚未能熟练地在依赖上下文的情况下评估响应质量。
-
理查德·斯托曼的前同事现在倡导开放AI模型
大卫·西格尔（David Siegel），理查德·斯托曼（Richard Stallman）的前同事和亿万富翁计算机科学家，已经改变了他对开源AI模型的立场。西格尔最初抵制自由和开放的软件，现在在《财富》杂志上认为，由于风险很高，当前的AI发展格局需要开放模型。这标志着他与之前对软件自由的看法发生了重大转变。
-
David Siegel 倡导开源人工智能开发与协作
麻省理工学院校友、Two Sigma 联合创始人 David Siegel 正在倡导开源人工智能开发。他认为，控制闭源模型的强大势力可能会限制公众获取一项关键公共资源的途径，并将类比人工智能代码库为应免费开放的传统图书馆。Siegel 还讨论了围绕开源人工智能的安全问题，认为即使是闭源模型也可能被泄露，并且透明度是理解人工智能“黑箱”性质的关键。为了推进这一使命，他创立了 OpenAthena，一个旨在促进学术机构之间协作并为开放人工…
-
开源先驱认为人工智能正变得过于封闭，与过去的软件争论如出一辙
作者曾对开源持怀疑态度，现在他认为当前人工智能的发展趋势与早期围绕开源软件的争论如出一辙。他认为，将仍处于萌芽阶段的先进人工智能模型封闭起来，会阻碍科学进步和未来创新者的培训。这与历史上关于专有软件开发虽然有其地位，但最终扼杀了开源所促进的增长和知识共享的论点相似。
-
Reddit 用户提出众包开源 LLM 训练模型
一位 Reddit 用户提出了一个创建众包、开源的蒸馏大型语言模型的假设性方法。该想法涉及围绕现有的命令行 AI 服务构建一个包装器，以收集用户输入和输出，从而生成大型数据集。然后，这些数据可用于训练模型，训练过程可能像分布式计算项目一样，分布在志愿者的 GPU 上。确定的主要挑战是管理此类项目所需的协调以及建立一个可信的中央机构来监督数据收集和模型发布。
-
Retro Media Shuffler 通过精选广播应对选择疲劳
Retro Media Shuffler (RMS) 是一个旨在解决现代媒体消费问题（如选择疲劳和信息过载）的项目。它旨在提供一种类似传统电视广播的、精选的、始终在线的媒体体验。RMS 的设计易于访问，可以在 Raspberry Pi 等低成本硬件上运行，并且基本设置所需的专业技术或编码知识很少。
-
FSF 计划筹款；注意到汤姆·克鲁斯电影预告片
自由软件基金会（FSF），由 Ian 领导，计划在本月开展一次筹款活动，以支持其软件自由的使命。另外，汤姆·克鲁斯即将上映的电影《Digger》的新预告片因其不寻常的宣传主演的方式而受到关注。
-
Stallman 警告不要将 LLM 生成的代码用于 GNU 软件包
自由软件运动的杰出人物 Richard Stallman 已发出强烈警告，反对将大型语言模型生成的代码纳入 GNU 软件包。他强调，此类代码经常包含错误和安全漏洞，对软件的完整性和可靠性构成风险。
-
Stallman 谴责数据中心建设，理由是 AI 的能源需求
Richard Stallman 反对建设数据中心，理由是其重大的环境影响以及 AI 模型对能源的需求。他主张放弃大规模计算基础设施，转向更可持续和合乎道德的技术实践。Stallman 认为，对先进 AI 和“大数据”的追求本身就具有危害性，应该加以抵制。
-
FSF 在 Anthropic 的 LLM 训练数据著作权和解案中寻求用户自由
自由软件基金会（FSF）就 Bartz诉 Anthropic 著作权侵权诉讼的和解发表了评论。该集体诉讼指控 Anthropic 使用了 Library Genesis 等数据集中的受版权保护的材料来训练其大型语言模型。尽管法院最初认为在这些作品上训练 LLM 可能属于合理使用，但 FSF（拥有“自由即自由”等作品的版权）正寻求以用户自由作为补偿，倡导 LLM 训练数据和代码的透明度。