Microsofteko AI entrenamenduari buruzko oharra publiko egin da.

Bideo honek zer jorratzen duen

• NYT v. OpenAI/Microsoft zigilua kenduta: "gizateriaren historiako lan-lapurreta handiena" (Microsoften oharra, 2023ko urtarrila); Copilot -%93ko klik-tasa; demandatzaileen lanen 91.692 kopia entrenamendu-datuen erdian; 2M nytimes.com orrialde Common Crawl zati batean; copyright oharrak kenduta; Brockman: "ah nice"
• Oharra: aipuak Timesen laburpenetik datoz, erakusketak oraindik zigilatuta daude; Alsup epaileak (Bartz v. Anthropic) erabaki zuen erositako liburuen gaineko entrenamendua bidezko erabilera dela — Anthropic-ek 1.5B dolar ordaindu zituen piratatutako 7M liburuengatik
• OpenAI Astra for Law: GPT-6 Astra + 230M URL dituen indize juridikoa; %54.0 vs %38.7 Vals Legal Research Bench-en; Harvey, Legora, 26 plugin
• ZCode (Z.ai, GLM): 42.411 fitxategiko lan-espazio baten 313 MB-ko zifratutako argazkia, %86.6 .git, Aliyun OSS-era kargatuta saioa hasi eta galdera bakoitzaren aurretik; RSA-OAEP gakoa Z.ai-k bakarrik du; ezarpenen etengailuek ez dute gelditzen
• Hacktron: libheif heap gainezka → Discourse RCE → SSO konfigurazio okerra → GitHub → OpenAI barneko biltegiak 72 ordu baino gutxiagoan; Claude Opus 5-k idatzitako erasoa (3 ordu); kanpaina 3.000 dolar baino gutxiago tokenetan; saria 6.500 dolar, 14 ordu inguruan adabakituta

Itzulitako transkripzioa

Jatorrizko ingelesezko narraziotik itzulia. Eskuragarri dauden audioa eta azpitituluak YouTube-k kontrolatzen ditu.

0:00 2023ko urtarrilean, Microsofteko zuzendari batek ohar bat idatzi zuen, bere enpresak egiten ari zena gizateriaren historiako lan-lapurreta handiena zela esanez, eta atzo auzitegi federal batek gainerakooi irakurtzeko aukera eman zigun. Oharra New York Times vs. OpenAI eta Microsoften aurkako salaketetan aipatzen diren aipu ez-zentsuratuetako bat da, abenduan hiru urte beteko dituen auzian. Ostegun berean, OpenAIk Astra for Law merkaturatu zuen, abokatuentzako modelo bat, kasualitate bat edo kontratazio oso indartsu bat dela. Gaur goizean garatzaile batek ZCode harrapatu du, Z.ai-ren kodeketa-agentea,

0:29 bere git historia osoa Alibabaren hodeira kargatzen, Z.ai-k bakarrik duen gako batekin. eta Z.ai-k bakarrik duena. Eta segurtasun enpresa batek OpenAIren barneko biltegietan sartu zen irudi bat kargatuz, eta horregatik OpenAIk seimilabostehun dolar ordaindu zituen. Bideo honetan: zer dioten salaketek, nork esan zuen 'ah nice' ordainpeko edukien hack bati, denboraren erdian oker dagoen zuzenbide-eredua, ZCodek zer kargatzen duen, eta zergatik Claude-k idatzitako eraso batek erabilitako auto bat baino gutxiago balio duen. Ostirala da, irailaren 18a, eta hau The Daily Diff da.

0:58 Hasi oharrarekin. Brent Hechtek zientzia aplikatua zuzentzen du Microsoften, eta 2023ko urtarrilean esan zuen entrenamendu-datuak neurri gabeko lapurreta harrigarria zirela. Urtebete geroago, aurkezpen batekin itzuli zen: Copilot-en erantzun-motorrak Timesera klikak %93 arte murriztu zituen, eta horri 'galbide-begizta' deitu zion: argitaratzaileak gosez utzi, eta modeloak ez du ezer berririk jan ahal izateko. Bere hitzak: azken produktu bat, bere funtsezko hornitzaileen

1:21 oinarri ekonomikoak mehatxatzen dituena, sugeak bere isatsa aurkitu duela korporazioaren modu esanez. Gero deklarazioak. Satya Nadellak aurten adierazi zuen ordainpeko eduki guztia lizentziatu beharko litzatekeela, eta ordainpeko artikuluekin entrenatzen zutela jakin izan balu, berriro entrenatu beharko zituela aginduko zuela, eta horrek esan nahi du inork ez zuela Microsoften eskura zuten entrenamendu-multzoa ireki, eta, agiri beraren arabera, GPT-3 datu-multzo osoa zen. Nick Turleyk, ChatGPT zuzentzen duenak, argitaratzaileentzako mehatxu existentziala zela esan zuen, neurri handi batean ordezkagarria. Eta ikertzaile batek

1:49 Greg Brockmani Timeseko ordainpeko edukiak eskuratzeko hack bati buruz hitz egin zionean, OpenAIko presidenteak bi hitzekin erantzun zuen: ah nice. Ingeniariek, halaber, copyright oharrak kendu zituzten datuetatik, modeloak ez ditzan atera, horregatik kentzen duzu bizikleta baten serie-zenbakia. Eskala: demandatzaileen artikuluen laurogeita hamaika mila kopia baino gehiago entrenamendu-multzoetan bakarrik, eta bi milioi Times orrialde Common Crawl zati batean. Orain, goiburuak saltatzen duen zatia.

2:15 Aipu guztiak Timeseko laburpenetik datoz; erakusketak oraindik zigilatuta daude, beraz, fiskaltzaren puntu nabarmenenak irakurtzen ari gara testuingururik gabe. Eta auzitegiek gehienetan bidezko erabilera onartu dute: Alsup epaileak iaz erabaki zuen ordaindutako liburuekin entrenatzea legezkoa dela, nahiz eta Anthropic-ek milioi bat eta erdi ordaindu zituen piratatutako zazpi milioirengatik. Beraz, legezko galdera irekita dago. Hori eraikitzen ari zirenek lapurreta zela pentsatu zuten ala ez, atzokoan, ez.

2:41 Horrek osteguneko beste OpenAIren merkaturatzea aukera ausart bihurtzen du. Astra for Law-ek GPT-6 Astra biltzen du, joan den astean REVERT zigilatu nuen modeloa hirurogeita hamabost mila lerro hutsean sortu ondoren, berrehun eta hogeita hamar milioi orrialdeko bilaketa-indize juridiko batean. Vals AIko ikerketa juridikoaren erreferentzian, galderen %54 gainditzen du, web bilaketa arruntarekin %39tik gora, eta horri OpenAIk %40ko hobekuntza deitzen dio, eta abokatu batek ia denbora erdian okerra. hobekuntza deituko zukeen, eta abokatu batek ia denbora erdian okerra zela. Blog-argitalpenak ez du haluzinazio hitza sartzen.

3:14 Hacker News-ek bai: bere burua auzitara eraman ahal izango du, eta, astea ikusita, hori da lehen benetako erabilera-kasua. Bitartean, lan-lapurreta diskurtsoa zure ordenagailura iritsi zen. Ferstar izeneko garatzaile batek bere ZCode karpeta garbitu zuen, Z.ai-ren GLM modeloetarako mahaigaineko agente itxia, eta hirurehun eta hamahiru megabyteko artxibo enkriptatu bat aurkitu zuen bere lan-espazio komertzialarena: berrogeita bi mila fitxategi, laurogeita zazpi ehuneko puntu git direktorioa zen, Alibabaren objektu biltegira bidalia saioa hasi eta galdera bakoitzaren aurretik.

3:42 Artxiboa zerbitzariak ematen duen gako publiko batekin bilduta dago; gako pribatua Z.ai-ren hodeian bakarrik bizi da, beraz, zure diskoan dagoen testu zifratua ezin duzu irakurri. Bere esaldia: zerbitzariak bakarrik erabili dezakeen gako batek helburu bakarra du. Z.ai Anthropic-ek Claude destilatu zuela leporatu zion enpresa ere bada, beraz, pisuak irekita daude eta, antza denez, baita zure biltegia ere. Eta dibertigarria dena, OpenAI-n lan egiten ez baduzu behintzat. Hacktronek libheif-en heap gainezkatze bat aurkitu zuen, irudi landu bat igo zuen

4:10 community.openai.com-era, kode-exekuzioa lortu zuen foroan, eta gaizki konfiguratutako saio-hasiera bakarra erabili zuen GitHub integrazioaren bidez OpenAIren barneko biltegietara sartzeko, hirurogeita hamabi ordu baino gutxiagoan. Erasoa Claude-k idatzi zuen: Opus 4.8-k ezin izan zuen helbidearen ausazkotasuna gainditu, Opus 5-k hiru ordutan egin zuen kaleratu eta gero. Kanpaina osoak hiru mila dolar baino gutxiago kostatu zuen tokenetan. OpenAIk hamalau ordutan adabakitu zuen eta seimilabostehun dolar ordaindu zituen, beraz, bilioi dolarreko enpresa baten iturburu-kodea,

4:39 laburki, erabilitako Corolla baten prezioa zuen, bere abokatuek kopiatzea bidezko erabilera zela esan zuten egun berean. kopiatzea bidezko erabilera zela argudiatzen zuten egun berean. Hau irakurri nahiago baduzu entzun baino, diff-a zure sarrera-ontzira iristen da goizero — doan the dailydiff.dev-en, beheko esteka. Beraz — gaurko epaia: NEEDS REVIEW. Aipuak egiazkoak dira, baina fiskaltzaren aukerak dira zigilatutako erakusketetatik, eta epaile bakarrak ebatzi du entrenamendua bidezko erabilera dela eta pirateria ezetz. Auzitegiak legea erabakitzen du; oharrak etika erabaki zuen jada.

5:07 Harpidetu, sakatu kanpaia, eta esan iruzkinetan ezberdin zigilatu zenuen ala ez. ezberdin zigilatu zenuen ala ez. Eta hori da gaurko diff-a. Niko naiz, Axrisikoa. Bat egin arduraz.

Iturriak

1. TechCrunch: Microsoft exec called AI scraping 'the largest theft of labor in human history'techcrunch.com
2. HN thread (605 pts)news.ycombinator.com
3. Jason Kint on the unsealed motionsx.com
4. Ed Newton-Rexx.com
5. Bartz v. Anthropic / $1.5B settlement (background)en.wikipedia.org
6. OpenAI: Introducing Astra for Lawopenai.com
7. HN: Astra for Law (550 pts)news.ycombinator.com
8. ferstar: ZCode silent workspace snapshot (original forensics)blog.ferstar.org
9. tokenstead write-uptokenstead.ai
10. ferstar on Xx.com
11. HN: ZCode uploads your Git history (226 pts)news.ycombinator.com
12. Hacktron: Hacking OpenAIwww.hacktron.ai
13. HN: Hacktron (406 pts)news.ycombinator.com