Svenska Dagbladet
PulseAugur coverage of Svenska Dagbladet — every cluster mentioning Svenska Dagbladet across labs, papers, and developer communities, ranked by signal.
-
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。
-
Meta 裁撤 1000 名肯尼亚数据标注员，此前他们曾审查露骨的智能眼镜录像
Meta 已终止与肯尼亚公司 Sama 的合同，该公司雇佣了 1000 多名数据标注员。这些工人负责审查 Meta Ray-Ban 智能眼镜捕捉到的敏感和露骨录像，以改进 AI 系统。终止合同的决定是在有报道称工人接触到令人不安的内容，包括私人和露骨视频之后做出的，被解雇的员工仅收到六天通知。
-
新框架通过解耦语义和结构应对异构图学习挑战
研究人员开发了一个名为解耦关系子空间对齐（DRSA）的新框架，以提高图基础模型（GFMs）在复杂、多域异构图上的性能。现有方法在不同数据类型之间的特征偏移和关系差距方面存在困难，导致了“类型塌陷”等问题。DRSA通过将特征语义与关系结构解耦，使用双关系子空间投影和特征-结构解耦表示来更好地处理变化并增强跨域知识迁移。
-
联邦赌徒算法通过草图技术大幅降低计算和通信成本
研究人员开发了一种名为联邦草图上下文线性赌徒（FSCLB）的新方法，以解决联邦上下文线性赌徒中的计算和通信挑战。FSCLB 利用奇异值分解（SVD）和双草图策略，显著降低了行列式计算和参数上传的复杂性。该方法将计算成本从 O(d^3) 降低到 O(l^2d)，通信成本从 O(d^2) 降低到 O(ld)，其中 'd' 是数据维度，'l' 是草图大小。实验表明，FSCLB 在累积奖励影响很小的情况下，成本降低了 90% 以上。
-
新算法加速深度学习中大矩阵的特征值分解
研究人员开发了一种新的批处理高效算法，用于特征值分解（ED），这是计算机视觉和深度学习中的关键计算。这种分治方法旨在克服传统ED方法的计算瓶颈，特别是对于大型矩阵的小批量。初步测试表明，对于维度高达64的矩阵，新算法的性能明显优于PyTorch的SVD函数。
-
Meta解雇AI合同工，因其查看了Ray-Ban Meta用户的私人录像
Meta已终止与肯尼亚数据标注公司Sama的合同，此前Sama的员工报告称他们看到了Ray-Ban Meta智能眼镜捕捉到的敏感和私人录像。这些工人曾抱怨看到露骨内容，包括性行为和如厕的画面，这些都是由眼镜录制的。Meta表示终止合同是因为Sama未能达到其标准，尽管Sama声称未收到任何具体失败的通知，并对其工作的完整性表示肯定。
-
Transformer研究深入探讨安全漏洞、训练动态和上下文学习的局限性
研究人员发现了用于在推理过程中保护Transformer模型的混洗防御机制中的漏洞，并演示了一种通过对齐置换激活来提取模型权重的攻击。另一项研究深入探讨了Transformer训练的光谱动态，揭示了编码学习过程不同方面的瞬态压缩波和持久光谱梯度。此外，对上下文学习的调查表明，先前的示例会干扰模型适应新任务的能力，训练课程显著影响弹性，并且泛化能力取决于预训练任务是从子空间并集还是单个高斯分布中提取的。
-
新方法以更高精度压缩用于医学成像的CNN
研究人员开发了一种新颖的分层时空通道聚类框架，用于压缩医学图像分析的卷积神经网络（CNN）。该方法首先将特征图划分为空间区域，然后在这些区域内对通道进行分组，最后应用低秩分解。在脑肿瘤MRI分类模型上进行评估，该方法显著减少了81.1%的FLOPs，并提高了分类精度。