OriginBlame：用於 AI 模型遺忘的精確數據溯源系統
OriginBlame (ob) 是一個全新的數據溯源系統，能在記錄與 Token 層級追蹤數據，以精確處理作者的資料刪除請求。相較於檔案層級的方法，它大幅減少了過度刪除的情況，並提升了模型遺忘（unlearning）的成效。
Search
Tag: #data-provenance18 results
AI 正在耗盡自己的知識供應
文章探討 AI 生成的答案如何減少人類對 Stack Overflow 等公共知識平台的貢獻，可能造成訓練資料供應萎縮與老化。文章並結合模型崩潰研究指出，反覆使用 AI 生成資料進行訓練，可能使輸出變得更單調，並逐漸偏離真實世界。
AI 公司為訓練模型大量購買數千本書
一家荷蘭古書店收到中國 AI 公司訂購 3,000 本書的訂單，推測用途是建立訓練資料。報導也揭露 Anthropic 曾掃描並銷毀數百萬本書，凸顯 AI 資料集建置流程的不透明，以及其中可能引發的爭議。
Twitch 直播內容可能用於訓練 Amazon 生成式 AI
Amazon 表示，除非使用者採取措施退出，否則任何在 Twitch 上播出的影片都可能被用於訓練生成式 AI。這項披露引發觀眾與內容創作者的反彈，他們擔心內容使用的同意權與控制權。
AI 公司被指控購買並銷毀稀有書籍
書商懷疑 AI 公司正悄悄大量購買稀有書籍，可能是為了取得訓練資料後銷毀實體書籍。這些指控引發書商反彈，也加深了外界對資料取得透明度與文化保存的疑慮。
歐洲書店擔心 AI 大量收購書籍
歐洲各地的獨立書店收到大量訂購冷門書籍的異常訂單，而這些書近年幾乎沒有需求。賣家懷疑 AI 公司可能為取得更多 LLM 訓練資料而收購書籍，也擔心這些書最終可能被銷毀。
OpenAI 反駁 Apple 的商業機密訴訟
OpenAI 將 Apple 提起的商業機密訴訟形容為咄咄逼人且異常針對個人。這家 ChatGPT 開發商表示，自己既沒有也不想要 Apple 的任何商業機密。
學術期刊撤回 Max Planck 1940 年代的兩篇論文
某學術期刊撤回了物理學家 Max Planck 於 1940 年代發表的兩篇論文。此舉導致相關內容被移除，目前僅剩空白頁面與空的 PDF 檔案。