Hirify Feed — your shortcut to what’s next

инцидентИИ amazon nova ии нейросети книги скандал

Amazon скупает редкие книги, чтобы уничтожить их после сканирования для обучения ИИ Nova

AI-редакция

2 источника · показать все· свернуть

Максим СпиридоновAmazon использует редкие книги для обучения нейросети Nova Что вы мне рекламируете?Internet Archive спасает книги от уничтожения ИИ-компаниями

собирается · 2обновлено вчера

Журналисты выяснили, кто стоит за скупкой и уничтожением бумажных раритетов ради обучения нейросетей: спрятанный в редкой книге трекер привёл к складу Amazon в Лас-Вегасе. Там книги, купленные у букинистов, не хранят для продажи, а вспарывают и оцифровывают — так компания кормит свою модель Novai.

Проект Internet Archivei пытается спасти издания от такой судьбы: волонтёры вручную сканируют книги, которым грозит уничтожение, и выкладывают копии в открытый доступ.

Полный разбор →

amazon nova ии нейросети книги скандал

релизИИ робототехника ai датасет обучение figureai figure

Figure AI собрала крупнейший в мире датасет видео для обучения роботов через приложение Index

AI-редакция

2 источника · показать все· свернуть

Data SecretsFigureAI собирает масштабный датасет для обучения роботов через приложение Index Serge_AI 1.0Figure собирает видеоданные для обучения роботов через краудсорсинг

собирается · 2обновлено 2 дн назад

Стартап человекоподобных роботов Figure AI четыре месяца в закрытом режиме тестировал приложение Indexi, через которое обычные люди записывают видео повседневных бытовых задач — мытьё посуды, уборка, работа по дому — и получают за это деньги. Собранные ролики уже используются для обучения модели Helixi, лежащей в основе роботов Figure.

Проблема, которую решает Index: если языковые модели обучают на текстах, которых в интернете полно, то для роботов не хватает данных в формате POV о том, как человек выполняет обычные бытовые действия. Приложение уже доступно в AppStore и GooglePlay, а масштаб сбора данных Figure планирует увеличить ещё в 100 раз.

$15 млнвыплачено пользователям за видео

264 000скачиваний приложения Index

>$1 млрдпланируемые расходы на данные и вычисления в след. году

Полный разбор →

робототехника ai датасет обучение figureai figure

ИИ google ai spirit airlines данные обучение моделей банкротство

Google планирует купить данные обанкротившейся Spirit Airlines для обучения AI

G@aiofthedayAI-инженер

2 дн

Google купит данные обанкротившейся авиакомпании для обучения AI Компания выиграла аукцион с предложением 10 миллионов долларов за данные авиакомпании Spirit Airlines. В пакет входят 100 миллионов рабочих писем, 500 миллионов сообщений из Teams, данные об операционной работе, маркетинге, финансах и сотрудниках, а также около 30 миллионов строк кода. Есть там и огромный массив отраслевых данных: цены на 7.2 миллиарда рейсов конкурентов и около 7.5 миллиарда записей о пассажирских транзакциях начиная с 2008 года. Персональные данные пассажиров в сделку не входят. Сделка пока не закрыта. Профсоюз бывших бортпроводников Spirit выступил против продажи из-за данных сотрудников. https://news.bloomberglaw.com/bankruptcy-law/google-aims-to-boost-ai-with-purchase-of-spirit-airlines-data

google ai spirit airlines данные обучение моделей банкротство

ИИ moe rl machine learning router обучение моделей

Проблемы train-inference mismatch в MoE моделях при RL

A@AIexTimeAI-инженер

3 дн

Еще немного интересных наблюдений из RL для MoE. В нем есть одна проблема, которая делает обучение гораздо более склонным к нестабильностям. В любом современном RL есть train-inference mismatch, обычно вызванный двумя вещами: 1) из-за асинхронности инференс отстает от трейнера и 2) из-за разной имплементации кернелов/разного железа/неассоциативности сложения (у одной версии dense чекпоинта pi_train(tok) / pi_inference(tok) отличается обычно в четвертом знаке). Однако, в MoE появляется еще один очень неприятный источник такого расхождения: routed experts. Проблема в том, что во время инференса могут активироваться одни эксперты, а во время forward_pass на стороне трейнера – другие, и незначительное изменение в скорах роутера (но достаточное для того, чтобы topK изменился) могут значительно изменить итоговый результат. Основные решения такие: - Просто фризим роутер и уменьшаем асинк ⇒ роутер реже пересекает границу, при которой меняется topK - R2/R3, они же Routing Replays: сохраняем экспертов, активируемых версией модели для инференса и форсируем forward pass через них в трейнере. В статье https://arxiv.org/abs/2512.01374 можно почитать про разницу R2 vs R3 и всякие доп детали. Но проблема в том, что экспертов-то мы форсируем, но скоры роутера меняются, и это может быть проблемой (можно порассуждать на тему, что будет, если инференс версия дала i-ому эксперту высокий скор, а трейнер – низкий) И на самом деле у всех результаты смешанные: у кого-то работает одно, у других – другое. Вчера прочитал https://kiddyboots216.github.io/mismatch/#conclusion-router-replay и увидел еще один способ: Total Router Recall – сохраняем не только экспертов, но и их скоры, а в трейнере фризим роутер. Интересно, что можно предложить способ, при котором мы будем роутер учить, используя скоры и экспертов с инференса, правда работать это будет плохо. В общем, для всех интересующихся RL-ем рекомендую полистать блогпост, там много чего интересно помимо реплеев

moe rl machine learning router обучение моделей

сделкаИИ google spirit airlines ии данные обучение моделей ai

Google купила у банкрота Spirit Airlines архив писем и чатов сотрудников за $10 млн — данные пойдут на обучение ИИ

AI-редакция

6 источников · показать все· свернуть

vc.ruGoogle приобрела внутренние данные обанкротившейся Spirit Airlines No Flame No GameGoogle приобрел данные Spirit Airlines за $10 млн No Flame No GameGoogle приобрел данные Spirit Airlines для обучения AI No Flame No GameGoogle купил данные Spirit Airlines для обучения AI ДизрапторGoogle скупает данные обанкротившихся компаний для обучения ИИ Максим СпиридоновБитва за цифровое наследие обанкротившейся Spirit Airlines

хайп · 6обновлено 4 дн назад

$10 млнцена, за которую Google купил данные Spirit Airlines

Обанкротившийся 1 мая крупнейший американский лоукостер Spirit Airlines стал источником нового вида актива: его внутренние корпоративные данные — письма, чаты, финансы, код — были проданы на банкротном аукционе. Победителем стал Google, предложивший $10 млн; данные пойдут на разработку продуктов и обучение ИИ-моделей.

Случай показывает, что рынок ИИ-данных переходит от бесплатного скрапинга публичного интернета и лицензирования качественного контента (как у News Corp или Financial Times) к покупке операционных данных умерших компаний — переписки, регламентов, истории решений. Это нужно, чтобы учить не просто отвечающие модели, а ИИ-агентов, способных управлять реальными бизнес-процессами.

100 млнколичество корпоративных писем в пакете данных

$12,5 млнконкурирующая ставка стартапа Micro1

Полный разбор →

google spirit airlines ии данные обучение моделей ai

ИИ amazon ии обучение моделей авторское право данные оцифровка

Amazon скупает и уничтожает редкие книги после сканирования для обучения ИИ — расследование 404 Media

AI-редакция

8 источников · показать все· свернуть

vc.ruAmazon скупает и уничтожает книги для обучения ИИ 3DNewsAmazon уничтожает редкие книги для обучения ИИ The Edinorog 🦄Журналистское расследование: куда исчезают редкие книги PRO Hi-TechAmazon уничтожает редкие книги для обучения нейросетей vc.ruИИ-компании массово скупают подержанные книги для обучения моделей БлоGнотСкандал вокруг промышленного сканирования книг для обучения AI 3DNewsAnna’s Archive призывает оцифровывать книги для защиты от ИИ-компаний vc.ruСуд признал уничтожение книг для обучения ИИ добросовестным использованием

хайп · 8обновлено 5 дн назад

Журналисты 404 Media подтвердили подозрения букинистов: аномально высокий спрос на подержанные книги по всему миру связан не только с читателями, но и с ИИ-компаниями, которым нужны «чистые» данные для обучения нейросетей. Спрятав Apple AirTagi в партию редких изданий, купленных через букиниста, журналисты выяснили, что заказ пришёл на склад Amazon — там книги разрезают для быстрого сканирования и затем утилизируют.

Это продолжение истории с Anthropic, которая ранее скупала, сканировала и уничтожала миллионы бумажных книг для обучения своих моделей; суд признал такую практику «добросовестным использованием». Теперь похожая схема обнаружена у Amazon, а активисты из Anna's Archive призывают волонтёров массово сканировать книги, чтобы сохранить их в открытом доступе, прежде чем их скупят и уничтожат ИИ-лаборатории.

1,5 млрдсумма мирового соглашения по иску против Anthropic

2022год, до которого книги считаются «чистыми» от ИИ

Полный разбор →

amazon ии обучение моделей авторское право данные оцифровка

ИИ ai deep learning генеративные модели диффузия обучение моделей

Explorative Modeling: новый подход к обучению генеративных моделей

Б@boris_againAI-инженер

1 нед

#обзор_статьи Давно здесь не было обзоров статей. Но несмотря на вайбкодинг я не разучился читать. Сегодня у нас впервые за долгое время заявка на смену парадигмы в генеративном DL! # Explorative Modeling: Unlocking a Third Pretraining Axis and End-to-End Generation https://explorative-modeling.github.io/ Авторы предлагают учить генеративные модели другим лоссом который имеет теоретические основания и одновременно улучшает эффективность использования компьюта, качество и скейлинг с параметрами. Ключевая идея: мы учим генеративные модели одним образом, а инферим их совсем иначе. Например, авторегрессионные модели генерируют один токен за раз, но при инференсе мы требуем от них тысяч токенов на выходе. Диффузионные модели в трейне денойзят один шаг, а при инференсе должны делать готовую картинку. При этом, например, у диффузионной модели часто нет возможности по вектору шума понять в какую именно сторону его надо денойзить, но мы её штрафуем как будто это однозначно определено. Так сложилось потому что генеративные модели пытаются учить мультимодальные распределения. Условно где много гауссиан намешано: в одной части латентного пространства собаки, а в другой кошки и надо научиться генерировать фото обоих. Если пытаться генерировать за один шаг, то модель не может сделать ничего лучше, чем выдать нечто среднее. Пошаговая генерация это хак, который позволяет семплировать не из p(данные), а из p(данные|мы уже начали генерировать собаку), и таким образом дают модели возможность выбрать одну из мод распределения и фокусироваться на ней. Хаки это плохо, потому что разные процедуры обучения и инференса гарантируют сдвиг входов. И вообще надо, чтобы всё было end-to-end. Предлагают простое решение: во время обучения делать несколько попыток генерации, а бекпропать только самую близкую к данным. Утверждается, что такая постановка позволяет модели поисследовать разные моды распределения, а не натягивать любую сову на один глобус. На примере диффузии работает так. Для каждого примера: 1. Семплируем K разных способов его зашумить. 2. Для каждого из K делаем предикт моделью, чтобы уменьшить шум и считаем обычный диффузионный лосс. 3. Бекпропаем только наименьший из полученных лоссов. Так же предлагают процедуру как учить такую Exploration Model с нуля. Если всё как авторы утверждают, то это имеет потенциал улучшить весь генеративный DL повсеместно, от LLM до генераторов порно до VLA которыми мы занимаемся в Steelman

ai deep learning генеративные модели диффузия обучение моделей

апдейтИИ twitch amazon ии стриминг конфиденциальность обучение моделей

Twitch включил стримерам по умолчанию согласие на обучение ИИ Amazon

AI-редакция

6 источников · показать все· свернуть

vc.ruTwitch использует записи стримов для обучения ИИ Amazon ФичизмTwitch автоматически включил использование записей трансляций для обучения ИИ Amazon DTFTwitch использует контент стримеров для обучения ИИ GameDev PulseTwitch автоматически включил пользователей в программу обучения ИИ Big GeekTwitch использует контент пользователей для обучения ИИ Amazon по умолчанию GPT/ChatGPT/AI Central Александра ГорногоAmazon будет использовать контент Twitch для обучения AI по умолчанию

хайп · 6обновлено 2 нед назад

Twitch добавил в панель управления каналом новый пункт: записи трансляций и другой контент каналов теперь используются для обучения генеративных ИИ-моделей Amazon (владельца сервиса). Настройка активирована по умолчанию у всех авторов без явного запроса согласия — отключить её можно только вручную в разделе безопасности и приватности.

Решение вызвало волну критики среди стримеров: сотрудники Twitch публично признали, что сделали функцию обязательной по умолчанию именно потому, что при добровольном согласии («opt-ini») никто бы её не включил.

десятки тысячподписей под петицией против функции

Полный разбор →

twitch amazon ии стриминг конфиденциальность обучение моделей

ИИ llm ии культурный код обучение моделей безопасность ии sft

Проблемы сертификации LLM на соответствие культурным ценностям

D@dealerAIAI-инженер

2 нед

Про культурный код моделей и соответствие каким-то ценностям LLM. Мне много стали присылать в лс такую новость. 😬 Тлдр. Модели AI будут проверять на соответствие культурным ценностям, для получения звания национальных или суверенных. 😐 Я очень много писал о том, почему такие проверки сделать непросто. Вот пример. 🦻 Если коротко, на просторах сети мало русских текстов в отношении доли к английским. И тк модели учатся в тч на этих текстах, их доля там привалирует, ну иначе, вам не обучить модель на 700B параметров только на ру базе, это будет не оптимально. Да есть синта, соглашусь, но синта не даёт такой буст, как мультилингв данные. Таким образом, на этапе уже предобучения у вас лежит возможность сгенерировать не то, что соответствует культурном коду вашей страны. Особенно если перейти на запрос на английском или китайском языках. Что же с ру LLM? А теперь если посмотреть на все модели в ру сегменте, то это или Qwen-like модели, с инициализацией с весов (а значит часть информации уже лежало там с претрена китайцами), или модели, где 65%+ не ру дата в претрене. Отсюда остаётся вопросы: Как пройти проверку? Какие эксперты, на каких сетах и на каком языке будут проверять соответствие? В целом, тк уже на уровне языков в обучении можно пробить модель на чужой культурный код, то остаются только методы: - гвардов сверху и спец логики рядом (если обстрел по апи) - sft и RL элаймент модели под нужное поведение под сеты оценки, а я не уверен, что методология и сеты оценки будут закрыты от оцениваемых. И оба способа НЕ идеальны, тк и в гардах и sft/RL есть понятие OOV примеров, те запросов, которые модель никогда не видела и даже не смогла на уровне "эмерджентности" аппроксимировать. Те вас рано или поздно пробьют всеравно. А ещё есть галлюцинации... 🚬 Таким образом, пройти проверку можно, есть и хаки, и честные способы, но и есть понятные причины рисков. И будет жутко интересно, особенно, когда какая-то модель пройдёт тесты, а потом в какой-то соц сети её пробьют, выложат скрины и скажут, ну как так. Что уже не раз бывало. 👍

llm ии культурный код обучение моделей безопасность ии sft

ИИ ai kimi claude llm обучение моделей reasoning

Исследователи заподозрили Kimi в обучении на скрытых рассуждениях Claude

M@ai_machinelearning_big_dataAI-инженер

2 нед

✔️ Kimi поймали на следах Claude: модель могла обучаться на его скрытых рассуждениях Исследователи нашли способ восстанавливать зашифрованные reasoning-блоки закрытых моделей и решили проверить, помнят ли другие LLM эти скрытые цепочки. Самая сильная аномалия оказалась у Kimi-K3. Если дать Kimi начало конкретного рассуждения Claude, модель продолжает его намного точнее, чем другие LLM. В некоторых тестах разница доходила примерно до шести порядков. На примере с Opus 4.8 это видно особенно хорошо: Kimi получает несколько первых токенов скрытого reasoning и дальше идёт почти по той же логике решения. Без этой подсказки рассуждает иначе. Это ещё не доказательство того, что Moonshot напрямую использовала приватные данные Claude. Но выглядит так, будто Kimi могла видеть похожие скрытые траектории во время обучения. Модель могла перенять сам способ решения задач. https://x.com/kotekjedi_ml/status/2087147093735714919 #AI #Kimi #Claude #LLM

Исследователи заподозрили Kimi в обучении на скрытых рассуждениях Claude

ai kimi claude llm обучение моделей reasoning

ИИ робототехника ии dyna robotics dyna-2 обучение моделей

Dyna Robotics представила ИИ-модель DYNA-2 для роботов

Х@htech_plusисследователь

2 нед

Роботы достигли 90% точности в сложных задачах, просмотрев 1 млн часов видео с людьми Стартап Dyna Robotics представил базовую ИИ-модель для роботов DYNA-2, обученную на 1 млн часов видеозаписей действий человека от первого лица. Разработчики утверждают, что использование доступного видео с людьми вместо дорогостоящих данных с самих роботов увеличило точность выполнения сложных задач с 20% до 90% и в 1,55 раза превзошло результаты прошлого поколения системы. Заявленная эффективность требует независимой проверки, но компания уже привлекла $143,5 млн инвестиций. https://hightech.plus/2026/08/11/roboti-dostigli-90-tochnosti-v-slozhnih-zadachah-prosmotrev-1-mln-chasov-video-s-lyudmi

робототехника ии dyna robotics dyna-2 обучение моделей

ИИ ai llm обучение моделей данные стартапы

AI-стартапы скупают редкие книги для обучения моделей

Д@disruptors_officialмедиа / агрегатор

2 нед

Кстати, по поводу скупки книг эйай-стартапами: Если бы я был Антропиками (то бишь, ультра-прошаренными эйай-чуваками, но абсолютно без моральных принципов), то я бы не просто скупал все подряд бу-книжки по каталогам, а нанял бы специальных людей, чтобы они целенаправленно искали качественные книги, выпущенные именно МАЛЫМ тиражом. Скармливал бы книжку модели и уничтожал весь тираж. Чтобы не просто впитать ценные human-created знания, но чтобы они гарантированно не достались другим LLM и перестали существовать. Я охотился бы за такими книгами, не жалея бабла. Чтобы потом втирать инвесторам и юзерам: "Наш эйай действительно уникален!". Хрен бы кто поспорил. Как хорошо, что я не настолько аморален, чтобы такое предлагать. И в реальности так никто не делает, ведь даже у Антропиков есть какие-то границы. Или нету? Антикварный букинист Питер де Врис из голландского Харлема рассказал журналистам: Ему написал сингапурский стартап 2077AI: мол, собирают книги на разных языках, готовят крупный заказ (для кого - не сказал, NDA). К письму приложили список, и там сплошь раритет: "Моделирование методом дискретных элементов в геомеханике" 1999 года, "Лазерное упрочнение современной керамики", редкая монография про ирландский фольклор, и т.д. и т.п., всего около 3000 изданий. Похожие письма в те же недели получили букинисты в Швейцарии, Испании и Германии - от этой же компании или от других похожих. Важно, что охотятся именно за узкоспециализированным и супернишевым чтивом, которое физически существует в нескольких экземплярах на весь мир. Такие дела 😈😈😈

ai llm обучение моделей данные стартапы

ИИ ai llm обучение моделей dapo cispo qwen3

Сравнение устойчивости алгоритмов CISPO и DAPO при обучении моделей

A@AIexTimeAI-инженер

1 мес

Какое-то время назад открыл для себя, насколько CISPO робастнее к выбору гиперпараметров по сравнению с DAPO и насколько он по дефолту работает лучше в async режиме. На async в 64 шага дефолтный DAPO деградирует безумно сильно, да и на 16 уже заметно Для Qwen3 30B MoE картина та же, только коллапс в async происходит еще раньше из-за проблем с разным роутингом экспертов

Сравнение устойчивости алгоритмов CISPO и DAPO при обучении моделей

ai llm обучение моделей dapo cispo qwen3

Ещё ↓