# ಲಿನಕ್ಸ್‌ನಲ್ಲಿ OpenAI 948 ಸ್ಥಳೀಯ ರೂಟ್ ದೋಷಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ

Published: 2026-11-06

ಲಿನಕ್ಸ್ ಸಂಶೋಧನಾ ಪೈಪ್‌ಲೈನ್‌ನಲ್ಲಿ OpenAI 948 ಅನನ್ಯ ಸ್ಥಳೀಯ ಸವಲತ್ತು-ಹೆಚ್ಚಳದ ಸಂಶೋಧನೆಗಳು ಮತ್ತು ಅಭ್ಯರ್ಥಿ ಪ್ಯಾಚ್‌ಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ, ಸುಮಾರು $1.2 ಮಿಲಿಯನ್ API ಕ್ರೆಡಿಟ್‌ಗಳಲ್ಲಿ. 1,169 ಯಶಸ್ವಿ ಮೌಲ್ಯಮಾಪನಗಳ ರೂಪಾಂತರ ವಿಶ್ಲೇಷಣೆಯ ನಂತರ ವಿಭಿನ್ನ ಅಭ್ಯರ್ಥಿ ಪ್ಯಾಚ್‌ಗಳನ್ನು ಎಣಿಕೆ ಮಾಡಲಾಗಿದೆ. ಆರಂಭಿಕವಾಗಿ ನಿಯೋಜಿಸಲಾದ-ದೋಷ ಗುಣಲಕ್ಷಣದ ತಪ್ಪಿನಿಂದ ಸ್ವತಂತ್ರ ಮಾರ್ಗ ಪರಿಶೀಲನೆಗೆ ಪ್ರೇರಣೆ ದೊರೆಯಿತು, ಆದರೆ ಮಾನವ ಪ್ಯಾಚ್ ವಿಮರ್ಶೆ ಮತ್ತು ಅಪ್‌ಸ್ಟ್ರೀಮ್ ಸ್ವೀಕಾರವು ಪ್ರತ್ಯೇಕ ಹಂತಗಳಾಗಿ ಉಳಿದಿವೆ.

Canonical: https://thedailydiff.dev/kn/video/2026-11-05-openai-linux-roots/

## ಈ ವೀಡಿಯೊ ಏನನ್ನು ಒಳಗೊಂಡಿದೆ

- ಸ್ಥಳೀಯ ಸವಲತ್ತು ಹೆಚ್ಚಳವು ಈಗಾಗಲೇ ಇರುವ ಸವಲತ್ತುರಹಿತ ಸ್ಥಳೀಯ ಬಳಕೆದಾರರು ರೂಟ್ ಪ್ರವೇಶವನ್ನು ಪಡೆಯುವುದರೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ವರದಿಯು ಯಂತ್ರ-ನಿರ್ದಿಷ್ಟ ದೂರಸ್ಥ-ಪ್ರವೇಶ ತೀರ್ಪನ್ನು ನೀಡುವುದಿಲ್ಲ.
- ಪೈಪ್‌ಲೈನ್ ಆರಂಭಿಕ ನಕಲು ತೆಗೆದುಹಾಕಿದ ನಂತರ 2,308 ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಉತ್ಪಾದಿಸಿತು ಮತ್ತು 1,724 ದೋಷಗಳನ್ನು ಪುನರುತ್ಪಾದಿಸಿತು. ಇದರ ಅಂತಿಮ 948 ಅನನ್ಯ ಸ್ಥಳೀಯ ಸಂಶೋಧನೆಗಳು 1,169 ಯಶಸ್ವಿ ಮೌಲ್ಯಮಾಪನಗಳ ರೂಪಾಂತರ ವಿಶ್ಲೇಷಣೆಯ ನಂತರ ವಿಭಿನ್ನ ಅಭ್ಯರ್ಥಿ ಪ್ಯಾಚ್ ಎಣಿಕೆಯನ್ನು ಬಳಸುತ್ತವೆ.
- ವರದಿ ಮಾಡಲಾದ $1.2 ಮಿಲಿಯನ್ API ಕ್ರೆಡಿಟ್‌ಗಳು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ ಮಾದರಿಗಳು, ಗುರಿಗಳು ಮತ್ತು ಕಾರ್ಯಪ್ರವಾಹಕ್ಕಾಗಿ. ಐತಿಹಾಸಿಕ ಬಹುಮಾನದ ಮೌಲ್ಯಮಾಪನಗಳು ಊಹಾತ್ಮಕವಾಗಿದ್ದು, ಪ್ರತ್ಯೇಕ ಕಾರ್ಯಕ್ರಮದ ಸ್ವೀಕಾರ ಮತ್ತು ಪಾವತಿಯ ಅಗತ್ಯವಿರುತ್ತದೆ.
- ಮಧ್ಯ-ಅಕ್ಟೋಬರ್ 2026 ಮೂಲವಾಗಿತ್ತು. ಹತ್ತು ದಿನಗಳ ನಂತರ 61-ಅಪ್‌ಸ್ಟ್ರೀಮ್/43-ಸ್ಟೇಜಿಂಗ್ ಅಂಕಿಅಂಶಗಳು ಸಂಶೋಧನೆಯ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆಯನ್ನು ವಿವರಿಸುತ್ತವೆ, ಆದ್ದರಿಂದ ಪ್ರಸ್ತುತ ವಿತರಣಾ ಸಲಹೆಗಳು ಇನ್ನೂ ಅಗತ್ಯವಿದೆ.
- ಆರಂಭಿಕ ರನ್‌ನ 200 ರಲ್ಲಿ 20 ಯಶಸ್ಸುಗಳು ನಿಯೋಜಿಸಲಾದ ದೋಷಕ್ಕಿಂತ ವಿಭಿನ್ನ ದೋಷವನ್ನು ಬಳಸಿದವು. OpenAI ಸ್ವತಂತ್ರ ನಿಯೋಜಿಸಲಾದ-ಮಾರ್ಗ ಪರಿಶೀಲನೆಯನ್ನು ಸೇರಿಸುವುದನ್ನು ವರದಿ ಮಾಡಿದೆ; ಈ ಆರಂಭಿಕ ದೋಷವು ಅಂತಿಮ 948 ತಪ್ಪು ಎಂದು ಸ್ಥಾಪಿಸುವುದಿಲ್ಲ. ತೀರ್ಪು ಮಾನವ ಪ್ಯಾಚ್ ವಿಮರ್ಶೆ ಮತ್ತು ಮಾರ್ಗ ಪರಿಶೀಲನೆಗಳೊಂದಿಗೆ NEEDS REVIEW ಆಗಿತ್ತು.

## ಪ್ರಶ್ನೋತ್ತರಗಳು

### ಲಿನಕ್ಸ್ ಸಂಶೋಧನೆಯಲ್ಲಿ ಸ್ಥಳೀಯ ಸವಲತ್ತು ಹೆಚ್ಚಳ ಎಂದರೆ ಏನು?

ಇದರರ್ಥ ಈಗಾಗಲೇ ಇರುವ, ಸವಲತ್ತುರಹಿತ ಸ್ಥಳೀಯ ಬಳಕೆದಾರರು ರೂಟ್, ಅಂದರೆ ಅತ್ಯುನ್ನತ ಸ್ಥಳೀಯ ಸವಲತ್ತನ್ನು ತಲುಪುತ್ತಾರೆ. OpenAI ನಿಯಂತ್ರಿತ ಸಂಶೋಧನಾ ಯಂತ್ರಗಳು ಮತ್ತು ಪರಿಶೀಲನೆಗಾಗಿ ಪುರಾವೆಗಳೊಂದಿಗೆ ಅಭ್ಯರ್ಥಿ ಸಂಶೋಧನೆಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ. ಯಂತ್ರವನ್ನು ಪ್ರವೇಶಿಸುವುದು ಪ್ರತ್ಯೇಕ ಪ್ರಶ್ನೆ. ವರದಿಯು ಯಂತ್ರ-ನಿರ್ದಿಷ್ಟ ದೂರಸ್ಥ-ಪ್ರವೇಶ ತೀರ್ಪನ್ನು ನೀಡುವುದಿಲ್ಲ; ಸಾಗಿಸಲಾದ ಕರ್ನಲ್, ಸಂರಚನೆ ಮತ್ತು ವಿತರಣಾ ಸಲಹೆಗಳಿಗೆ ತಮ್ಮದೇ ಆದ ಪುರಾವೆಗಳು ಬೇಕಾಗುತ್ತವೆ.

### OpenAI 948 ಅನನ್ಯ ಸ್ಥಳೀಯ ಹೆಚ್ಚಳ ಸಂಶೋಧನೆಗಳನ್ನು ಹೇಗೆ ವ್ಯಾಖ್ಯಾನಿಸುತ್ತದೆ?

OpenAI 948 ವಿಭಿನ್ನ ಅಭ್ಯರ್ಥಿ ಪ್ಯಾಚ್‌ಗಳನ್ನು ರೂಪಾಂತರ ವಿಶ್ಲೇಷಣೆಯ ನಂತರ ಅನನ್ಯ ಸ್ಥಳೀಯ ಸವಲತ್ತು-ಹೆಚ್ಚಳ ಸಂಶೋಧನೆಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ಬಳಸುತ್ತದೆ. ಅದರ ಮೌಲ್ಯಮಾಪನ ಹಂತವು ಆ ಗುಂಪಿನ ಮೊದಲು 1,169 ಯಶಸ್ವಿ ಸ್ಥಳೀಯ ಹೆಚ್ಚಳಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ. ಬಹು ಯಶಸ್ಸುಗಳು ಒಂದೇ ಮೂಲ ಸಮಸ್ಯೆಯ ಸಂಬಂಧಿತ ರೂಪಾಂತರಗಳಿಗೆ ಸಂಬಂಧಿಸಿರಬಹುದು. ಅಭ್ಯರ್ಥಿ ಪ್ಯಾಚ್‌ಗಳು, ಅಪ್‌ಸ್ಟ್ರೀಮ್ ಸ್ವೀಕಾರ ಮತ್ತು ವಿತರಣೆಯನ್ನು ತಲುಪುವ ಪರಿಹಾರಗಳು ಪ್ರತ್ಯೇಕ ವಿಮರ್ಶಾ ಹಂತಗಳನ್ನು ಹೊಂದಿವೆ, ಆದ್ದರಿಂದ ಈ ಎಣಿಕೆಯು ಲೇಖಕರ ವ್ಯಾಖ್ಯಾನವನ್ನು ಲಗತ್ತಿಸಿರಬೇಕು.

### ಆರಂಭಿಕ 200-ಯಶಸ್ವಿ ರನ್‌ನಲ್ಲಿ ಮಾನವ ವಿಮರ್ಶಕರು ಏನನ್ನು ಕಂಡುಕೊಂಡರು?

OpenAI ಪ್ರಕಾರ, ಆರಂಭಿಕ ರನ್‌ನ 200 ಯಶಸ್ವಿ ಸ್ಥಳೀಯ ಹೆಚ್ಚಳಗಳಲ್ಲಿ 20 ನಿಯೋಜಿಸಲಾದ ದೋಷಕ್ಕಿಂತ ವಿಭಿನ್ನ ದೋಷದ ಮೂಲಕ ರೂಟ್ ಪಡೆದುಕೊಂಡಿದೆ ಎಂದು ಮಾನವ ವಿಮರ್ಶಕರು ಕಂಡುಕೊಂಡರು. ಯಶಸ್ಸು ನಿಜವಾಗಿತ್ತು ಆದರೆ ಅದರ ಕಾರಣ ಗುಣಲಕ್ಷಣ ತಪ್ಪಾಗಿತ್ತು. ನಂತರ ನಿರ್ಬಂಧಗಳನ್ನು ಬಿಗಿಗೊಳಿಸುವುದು ಮತ್ತು ಸ್ವತಂತ್ರ ನಿಯೋಜಿಸಲಾದ-ದೋಷ ಪರಿಶೀಲನೆಯನ್ನು ಸೇರಿಸುವುದನ್ನು ಲೇಖಕರು ವರದಿ ಮಾಡುತ್ತಾರೆ. ಈ ಆರಂಭಿಕ ದೋಷವು ಅಂತಿಮ 948 ಸಂಶೋಧನೆಗಳು ಸುಳ್ಳು ಎಂದು ಸ್ಥಾಪಿಸುವುದಿಲ್ಲ.

### ವರದಿ ಮಾಡಲಾದ API ವೆಚ್ಚ ಮತ್ತು ಪ್ಯಾಚ್ ಸ್ನ್ಯಾಪ್‌ಶಾಟ್ ತಮ್ಮ ವ್ಯಾಪ್ತಿಯನ್ನು ಏಕೆ ಉಳಿಸಿಕೊಳ್ಳಬೇಕು?

API-ಕ್ರೆಡಿಟ್ ವೆಚ್ಚವು OpenAI ನ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ ಮಾದರಿಗಳು, ಗುರಿಗಳು ಮತ್ತು ಕಾರ್ಯಪ್ರವಾಹವನ್ನು ವಿವರಿಸುತ್ತದೆ, ಆದರೆ ಪ್ಯಾಚ್ ಅಂಕಿಅಂಶಗಳು ಮಧ್ಯ-ಅಕ್ಟೋಬರ್ ಮೂಲದ ವಿರುದ್ಧ ಸಂಶೋಧನೆಯ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆಯನ್ನು ವಿವರಿಸುತ್ತವೆ. ಆ ಐತಿಹಾಸಿಕ ಹಂತದಲ್ಲಿ OpenAI 61 ಅಪ್‌ಸ್ಟ್ರೀಮ್ ಪರಿಹಾರಗಳು ಮತ್ತು 43 ಸ್ಟೇಜಿಂಗ್ ಪ್ಯಾಚ್‌ಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ. ಒಟ್ಟು ಸಂಶೋಧನಾ ವೆಚ್ಚಗಳನ್ನು ಸಂಚಿಕೆಯಿಂದ ಅಳೆಯಲಾಗಿಲ್ಲ. ಬಳಕೆದಾರರು ತಮ್ಮ ನಿಜವಾದ ಸಾಗಿಸಲಾದ ಕರ್ನಲ್‌ಗಾಗಿ ಸಲಹೆಗಳನ್ನು ಅನುಸರಿಸಬೇಕು, ಮತ್ತು ಅಪ್‌ಸ್ಟ್ರೀಮ್ ಸ್ವೀಕಾರವು ಪ್ರತ್ಯೇಕ ಎಂಜಿನಿಯರಿಂಗ್ ನಿರ್ಧಾರವಾಗಿ ಉಳಿದಿದೆ.

### OpenAI ನ ಲಿನಕ್ಸ್ ಪೈಪ್‌ಲೈನ್ ಕುರಿತು The Daily Diff ನ ತೀರ್ಪು ಏನಾಗಿತ್ತು?

The Daily Diff ನ ತೀರ್ಪು NEEDS REVIEW ಆಗಿತ್ತು. ನಿಕೋ ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಮಾನವ ಪ್ಯಾಚ್ ವಿಮರ್ಶೆ ಮತ್ತು ಸ್ವತಂತ್ರ ನಿಯೋಜಿಸಲಾದ-ಮಾರ್ಗ ಪರಿಶೀಲನೆಗಳೊಂದಿಗೆ ರಕ್ಷಣಾತ್ಮಕ ಕಾರ್ಯಪ್ರವಾಹದಲ್ಲಿ ಇಡುತ್ತಾನೆ. OpenAI ನ ಪ್ರಕಟಣೆಯು ಅಭ್ಯರ್ಥಿ ಪ್ಯಾಚ್‌ಗಳು, ಸಂಶೋಧಕರ ವಿಮರ್ಶೆ ಮತ್ತು ಆರಂಭಿಕ ಗುಣಲಕ್ಷಣ ದೋಷಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ವಿವರಿಸುತ್ತದೆ. ಲಿನಕ್ಸ್ ಕರ್ನಲ್‌ನ ಸಾಮಾನ್ಯ ವರದಿ ಮಾರ್ಗದರ್ಶನವು ಕಾರ್ಯಸಾಧ್ಯವಾದ ಪುರಾವೆ ಮತ್ತು ಆವೃತ್ತಿ ಸನ್ನಿವೇಶವನ್ನು ಕೇಳುತ್ತದೆ, ಇದು ಸಂಶೋಧನೆ ಎಣಿಕೆಯ ಜೊತೆಗೆ ವಿಮರ್ಶಾ ಗುಣಮಟ್ಟ ಏಕೆ ಮುಖ್ಯ ಎಂದು ವಿವರಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

## ಅಧ್ಯಾಯಗಳು

- 0:00 OpenAI ನ ಲಿನಕ್ಸ್ ದೋಷದ ಎಣಿಕೆ ನಿಜವಾಗಿಯೂ ಏನನ್ನು ಸೂಚಿಸುತ್ತದೆ?
- 0:24 ಯಾರ ಪ್ರವೇಶವು ರೂಟ್ ಆಗಬಹುದು?
- 1:08 ಒಂದು ಅಭ್ಯರ್ಥಿ ಹೇಗೆ ಸಾಕ್ಷಿಯಾಗುತ್ತದೆ?
- 1:58 ಅಂತಿಮ ಎಣಿಕೆ ಏಕೆ 948 ಆಗುತ್ತದೆ?
- 2:45 ಪ್ರಸ್ತಾವಿತ ಪ್ಯಾಚ್ ಅನ್ನು ಇನ್ನೂ ಯಾವುದು ಅಪೂರ್ಣಗೊಳಿಸುತ್ತದೆ?
- 3:15 ಪ್ಯಾಚ್ ಸ್ನ್ಯಾಪ್‌ಶಾಟ್ ಅನ್ನು ಯಾವಾಗ ಅಳೆಯಲಾಯಿತು?
- 3:32 ಬಳಕೆದಾರರಿಗೆ ಯಾವ ದಿನಾಂಕ ಮತ್ತು ಪ್ಯಾಚ್ ಸ್ಥಿತಿ ಮುಖ್ಯ?
- 4:09 ಆರಂಭಿಕ ರನ್‌ನಲ್ಲಿ ವಿಮರ್ಶಕರು ಏನನ್ನು ಕಂಡುಕೊಂಡರು?
- 4:55 OpenAI ನ ಪೈಪ್‌ಲೈನ್‌ನಲ್ಲಿ ತೀರ್ಪು ಏನನ್ನು ಪಡೆಯುತ್ತದೆ?

## ಅನುವಾದಿತ ಪ್ರತಿಲೇಖನ

ಮೂಲ ಇಂಗ್ಲಿಷ್ ನಿರೂಪಣೆಯಿಂದ ಅನುವಾದಿಸಲಾಗಿದೆ. ಲಭ್ಯವಿರುವ ಆಡಿಯೋ ಮತ್ತು ಶೀರ್ಷಿಕೆಗಳನ್ನು YouTube ನಿಯಂತ್ರಿಸುತ್ತದೆ.

### OpenAI ನ ಲಿನಕ್ಸ್ ದೋಷದ ಎಣಿಕೆ ನಿಜವಾಗಿಯೂ ಏನನ್ನು ಸೂಚಿಸುತ್ತದೆ?

0:00 ಲಿನಕ್ಸ್ ದೋಷವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಅದನ್ನು ಸರಿಪಡಿಸುವಂತೆ ತೋರುತ್ತದೆ. OpenAI 948 ಸ್ಥಳೀಯ ರೂಟ್ ಸಂಶೋಧನೆಗಳು ಮತ್ತು ಅಭ್ಯರ್ಥಿಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ ಪ್ಯಾಚ್‌ಗಳು, ಸುಮಾರು $1.2 ಮಿಲಿಯನ್ API ಕ್ರೆಡಿಟ್‌ಗಳಲ್ಲಿ. ಈ ವೀಡಿಯೊದಲ್ಲಿ, ಯಾವುದು ಮುಖ್ಯ? ಮಾನವ ವಿಮರ್ಶೆ ಏನು ಕಂಡುಕೊಂಡಿದೆ? ಆರಂಭಿಕ ಪರೀಕ್ಷೆಯಿದೆ, ಅಲ್ಲಿ ಯಂತ್ರಗಳು ನಿಜವಾಗಿಯೂ ರೂಟ್ ಪಡೆದುಕೊಂಡಿವೆ, ಮತ್ತು ಸ್ಕೋರ್‌ಬೋರ್ಡ್ ಇನ್ನೂ ತಪ್ಪಾದ ವಿಷಯಕ್ಕೆ ಮನ್ನಣೆ ನೀಡಿತು. ಮಾನವ ವಿಮರ್ಶಕರು ಏನು ಕಂಡುಕೊಂಡರು ಎಂದು ನಾವು ನೋಡುತ್ತೇವೆ.

0:20 ಇಂದು ಗುರುವಾರ, ನವೆಂಬರ್ ಐದನೇ ತಾರೀಕು, ಮತ್ತು ಇದು The Daily Diff.

### ಯಾರ ಪ್ರವೇಶವು ರೂಟ್ ಆಗಬಹುದು?

0:24 ಲಿನಕ್ಸ್ ಕರ್ನಲ್ ಒಂದು ಯಂತ್ರದ ಸಂಪನ್ಮೂಲಗಳು ಮತ್ತು ಅನುಮತಿಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಕೋರ್ ಆಗಿದೆ. ಸ್ಥಳೀಯ ಸವಲತ್ತು ಹೆಚ್ಚಳ ಎಂದರೆ ಈಗಾಗಲೇ ಇರುವ, ಸವಲತ್ತುರಹಿತ ಬಳಕೆದಾರರು ರೂಟ್, ಅಂದರೆ ಅತ್ಯುನ್ನತ ಸವಲತ್ತನ್ನು ತಲುಪುವುದು. OpenAI ಪ್ರತ್ಯೇಕ ಸಂಶೋಧನಾ ಯಂತ್ರಗಳಲ್ಲಿ ಆ ಗಡಿಯನ್ನು ಅಧ್ಯಯನ ಮಾಡಿತು. ಯಂತ್ರವನ್ನು ಪ್ರವೇಶಿಸುವುದು ಪ್ರತ್ಯೇಕ ಸಮಸ್ಯೆ. OpenAI ನವೆಂಬರ್ ನಾಲ್ಕರಂದು ಸಂಶೋಧನೆಯನ್ನು ಪ್ರಕಟಿಸಿತು, ಸ್ವಯಂಚಾಲಿತ ಪೈಪ್‌ಲೈನ್‌ನಲ್ಲಿ ಮುಂಬರುವ ಸೈಬರ್ ಮಾದರಿಯನ್ನು ವಿವರಿಸುತ್ತದೆ. ಉಪಯುಕ್ತ ಫಲಿತಾಂಶವೆಂದರೆ ಪುರಾವೆಗಳೊಂದಿಗೆ ಸಂಶೋಧನೆಗಳ ಒಂದು ಸೆಟ್ ಮತ್ತು ಪ್ರಸ್ತಾವಿತ ಪರಿಹಾರಗಳು

0:49 ಜನರು ಪರಿಶೀಲಿಸಲು. ಪತ್ರಿಕೆಯು ಆ ಮುಂಬರುವ ಮಾದರಿಗೆ ಸಾಮಾನ್ಯ ಪ್ರವೇಶವನ್ನು ಘೋಷಿಸುವುದಿಲ್ಲ. ಅದು ಸ್ವಾಯತ್ತ ಕಥೆಯೊಳಗೆ ಬಹಳ ಮಾನವ ಕೆಲಸವನ್ನು ಬಿಡುತ್ತದೆ. ಸಂಶೋಧಕರು ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಪರಿಶೀಲಿಸಿದರು ಮತ್ತು ಪ್ರಮುಖ ದೋಷಗಳನ್ನು ವರದಿ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದರು ಪ್ಯಾಚ್‌ಗಳೊಂದಿಗೆ, ಕರ್ನಲ್ ಸಮುದಾಯದ ಮಾರ್ಗದರ್ಶನವನ್ನು ಅನುಸರಿಸಿ. ಏಜೆಂಟ್‌ಗಳು ಇನ್‌ಬಾಕ್ಸ್ ಅನ್ನು ತುಂಬಬಹುದು. ಏನು ಅದಕ್ಕೆ ಅರ್ಹವಾಗಿದೆ ಎಂದು ಯಾರಾದರೂ ಇನ್ನೂ ನಿರ್ಧರಿಸಬೇಕು. ಪೈಪ್‌ಲೈನ್ ಕರ್ನಲ್‌ನ ಭದ್ರತೆಗೆ ಸಂಬಂಧಿಸಿದ ಭಾಗಗಳಿಂದ ಪ್ರಾರಂಭವಾಯಿತು,

### ಒಂದು ಅಭ್ಯರ್ಥಿ ಹೇಗೆ ಸಾಕ್ಷಿಯಾಗುತ್ತದೆ?

1:10 ನಂತರ ನಕಲುಗಳನ್ನು ತೆಗೆದುಹಾಕಿದ ನಂತರ ಸುಮಾರು 2300 ಅಭ್ಯರ್ಥಿ ಸಂಶೋಧನೆಗಳನ್ನು ಉತ್ಪಾದಿಸಿತು. ಅಭ್ಯರ್ಥಿ ಎಂದರೆ ತನಿಖೆಗೆ ಯೋಗ್ಯವಾದ ಅನುಮಾನ. ಆ ಹಂತದಲ್ಲಿ, ಮನವರಿಕೆಯಾಗುವ ಪ್ಯಾರಾಗ್ರಾಫ್ ಮತ್ತು ನಿಜವಾದ ಪುನರುತ್ಪಾದಿಸಬಹುದಾದ ದೋಷ ಇನ್ನೂ ಸ್ಪ್ರೆಡ್‌ಶೀಟ್‌ನಲ್ಲಿ ಕಿರಿಕಿರಿಗೊಳಿಸುವಂತೆ ಕಾಣುತ್ತದೆ. ಆದ್ದರಿಂದ ಪ್ರತ್ಯೇಕ ಹಂತವು ಪ್ರತ್ಯೇಕ ಯಂತ್ರಗಳಲ್ಲಿ ಶಂಕಿತ ಸಮಸ್ಯೆಗಳನ್ನು ಪುನರುತ್ಪಾದಿಸಲು ಪ್ರಯತ್ನಿಸಿತು, ಏನಾಯಿತು ಎಂಬುದಕ್ಕೆ ಪುರಾವೆಯನ್ನು ಸಂರಕ್ಷಿಸುತ್ತದೆ. OpenAI ಸುಮಾರು 1700 ಪುನರುತ್ಪಾದಿತ ದೋಷಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ. ಇದು ಸಂಶೋಧಕರು ಪರಿಶೀಲಿಸಬಹುದಾದ ನಡವಳಿಕೆಯನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ.

1:36 ಮುಂದಿನ ಪ್ರಶ್ನೆಯೆಂದರೆ, ಆ ಸಮಸ್ಯೆಗಳಲ್ಲಿ ಯಾವುದು ಗಂಭೀರ ಅನುಮತಿ ಗಡಿಯನ್ನು ದಾಟುತ್ತದೆ. ಲಿನಕ್ಸ್‌ನ ಸ್ವಂತ ಭದ್ರತಾ ವರದಿ ಮಾರ್ಗದರ್ಶಿ ದಾಖಲೆಗಳನ್ನು ವಿವರಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ನಿರ್ವಹಣೆದಾರರು ಬಾಧಿತ ಆವೃತ್ತಿ, ಪುರಾವೆ ಮತ್ತು ಒಳಗೊಂಡಿರುವ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಕೇಳುತ್ತಾರೆ. ಇದು ಕಳಪೆ ಗುಣಮಟ್ಟದ AI ವರದಿಗಳು ವಿಮರ್ಶಾ ಸಾಮರ್ಥ್ಯವನ್ನು ಬಳಸುತ್ತವೆ ಎಂದು ಎಚ್ಚರಿಸುತ್ತದೆ. ಅದು OpenAI ನ ಪೇಪರ್‌ಗೆ ಸ್ವತಂತ್ರವಾದ ಸಾಮಾನ್ಯ ಸಮುದಾಯ ಮಾರ್ಗದರ್ಶನ. ಇದು ಈ ಸಂಶೋಧನೆಗಳ ಬ್ಯಾಚ್ ಅನ್ನು ಪ್ರಮಾಣೀಕರಿಸುವುದಿಲ್ಲ.

### ಅಂತಿಮ ಎಣಿಕೆ ಏಕೆ 948 ಆಗುತ್ತದೆ?

1:58 ಇಲ್ಲಿ ಎಣಿಕೆಯ ವಿವರವಿದೆ. OpenAI ಮೌಲ್ಯಮಾಪನದ ಸಮಯದಲ್ಲಿ 1169 ಯಶಸ್ವಿ ಸ್ಥಳೀಯ ಸವಲತ್ತು ಹೆಚ್ಚಳಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ. ಸಂಶೋಧಕರು ನಂತರ ಸಂಬಂಧಿತ ರೂಪಾಂತರಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿದರು ಮತ್ತು 948 ವಿಭಿನ್ನ ಪ್ಯಾಚ್‌ಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು. ಅವರು ವಿಶಿಷ್ಟ ಸ್ಥಳೀಯ ಹೆಚ್ಚಳ ಸಂಶೋಧನೆಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ಆ ಪ್ಯಾಚ್ ಎಣಿಕೆಯನ್ನು ಬಳಸುತ್ತಾರೆ. ಬಹು ಯಶಸ್ಸುಗಳು ಒಂದೇ ಮೂಲ ಸಮಸ್ಯೆಗೆ ಸೇರಿರಬಹುದು. ಸುಮಾರು $1.2 ಮಿಲಿಯನ್ ವರದಿಯಾದ API ಕ್ರೆಡಿಟ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ ಮಾದರಿಗಳು, ಗುರಿಗಳು ಮತ್ತು ಕಾರ್ಯಪ್ರವಾಹಕ್ಕಾಗಿ.

2:23 ಸಾಮರ್ಥ್ಯದ ಮಾಪನವು ವಿನ್ಯಾಸವನ್ನು ಪ್ರೇರೇಪಿಸಿದೆ ಮತ್ತು ಉತ್ತಮ ಎಂಜಿನಿಯರಿಂಗ್ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಎಂದು OpenAI ಹೇಳುತ್ತದೆ. ಒಟ್ಟು ಸಂಶೋಧಕರ ವೆಚ್ಚಗಳನ್ನು ಇಲ್ಲಿ ಅಳೆಯಲಾಗುವುದಿಲ್ಲ. OpenAI ಸಂಶೋಧನೆಗಳನ್ನು ಐತಿಹಾಸಿಕ ದೋಷ ಬಹುಮಾನಗಳೊಂದಿಗೆ ಹೋಲಿಸುತ್ತದೆ, ಕಾಲ್ಪನಿಕ ಮೌಲ್ಯಮಾಪನವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಸ್ವೀಕಾರ ಮತ್ತು ಪಾವತಿ ಬಹುಮಾನ ಕಾರ್ಯಕ್ರಮಕ್ಕೆ ಸೇರಿವೆ. ಸಂಶೋಧನೆಯ ಎಣಿಕೆಯಿಂದ ಬಹುಮಾನವನ್ನು ಗುಣಿಸುವುದು ಉತ್ತಮವೆನಿಸುತ್ತದೆ, ನಿಮ್ಮ ಬ್ಯಾಂಕ್ ಖಾತೆಗೆ ಗುಣಾಕಾರವನ್ನು ಠೇವಣಿ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವವರೆಗೆ.

### ಪ್ರಸ್ತಾವಿತ ಪ್ಯಾಚ್ ಅನ್ನು ಇನ್ನೂ ಯಾವುದು ಅಪೂರ್ಣಗೊಳಿಸುತ್ತದೆ?

2:45 ಪ್ರಸ್ತಾವಿತ ಪ್ಯಾಚ್‌ಗೆ ತನ್ನದೇ ಆದ ವಿಮರ್ಶೆಯೂ ಬೇಕು. ಆರಂಭಿಕ ಪ್ಯಾಚ್‌ಗಳು ಪ್ರದರ್ಶಿತ ಸಮಸ್ಯೆಯನ್ನು ನಿಲ್ಲಿಸಬಹುದು ಆದರೆ ಅನಗತ್ಯ ಕೋಡ್ ಅನ್ನು ಸೇರಿಸಬಹುದು, ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು, ಅಥವಾ ಸಂಬಂಧಿತ ರೂಪಾಂತರಗಳನ್ನು ಕಳೆದುಕೊಳ್ಳಬಹುದು ಎಂದು ಲೇಖಕರು ಹೇಳುತ್ತಾರೆ. ಅವರು ಸೂಚನೆಗಳನ್ನು ಸುಧಾರಿಸಿದರು ಮತ್ತು ಪುನರಾವರ್ತಿಸಿದರು. ಒಂದು ಪರಿಹಾರವು ವಿಶಾಲ ಕೋಡ್‌ಬೇಸ್‌ಗೆ ಹೊಂದಿಕೊಳ್ಳಬೇಕು ಮತ್ತು ಮೊದಲ ಪರೀಕ್ಷೆಗಿಂತ ಹೆಚ್ಚು ಉಳಿಯಬೇಕು ಹಸಿರು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆ. OpenAI ತೀವ್ರತೆ ಮತ್ತು ಪರಿಹಾರಗಳ ಮಾನವ ವಿಮರ್ಶೆಯನ್ನು ವಿವರಿಸುತ್ತದೆ ಅಪ್‌ಸ್ಟ್ರೀಮ್ ವರದಿ ಮಾಡುವ ಮೊದಲು. ಲಿನಕ್ಸ್‌ನ ಮಾರ್ಗದರ್ಶಿ ಪರೀಕ್ಷಿತ ಪ್ರಸ್ತಾವಿತ ಪರಿಹಾರವು ವಿಮರ್ಶಾ ಸಮಯವನ್ನು ಉಳಿಸಬಹುದು ಎಂದು ಹೇಳುತ್ತದೆ ನಿರ್ವಹಣೆದಾರರು ಬೇರೆ ಪರಿಹಾರವನ್ನು ಆರಿಸಿಕೊಂಡರೂ ಸಹ.

3:12 ಅಪ್‌ಸ್ಟ್ರೀಮ್ ಸ್ವೀಕಾರವು ಪ್ರತ್ಯೇಕ ಎಂಜಿನಿಯರಿಂಗ್ ನಿರ್ಧಾರವಾಗಿ ಉಳಿದಿದೆ.

### ಪ್ಯಾಚ್ ಸ್ನ್ಯಾಪ್‌ಶಾಟ್ ಅನ್ನು ಯಾವಾಗ ಅಳೆಯಲಾಯಿತು?

3:15 ಮಧ್ಯ ಅಕ್ಟೋಬರ್‌ನಲ್ಲಿ ಇತ್ತೀಚಿನ ಕರ್ನಲ್ ಮೂಲವಾಗಿತ್ತು. ಹತ್ತು ದಿನಗಳ ಸಂಶೋಧನೆ ಮತ್ತು ಕೈಯಾರೆ ವಿಶ್ಲೇಷಣೆಯ ನಂತರ, ಅರವತ್ತೊಂದು ಸ್ಥಳೀಯ ಹೆಚ್ಚಳ ಸಮಸ್ಯೆಗಳನ್ನು ಅಪ್‌ಸ್ಟ್ರೀಮ್‌ನಲ್ಲಿ ಪ್ಯಾಚ್ ಮಾಡಲಾಗಿದೆ, ನಲವತ್ತಮೂರು ಸ್ಟೇಜಿಂಗ್ ಪ್ಯಾಚ್‌ಗಳನ್ನು ಹೊಂದಿವೆ. OpenAI ನಿರ್ವಹಣೆದಾರರು ವೇಗವಾಗಿ ಚಲಿಸುತ್ತಿರುವುದಕ್ಕೆ ಮನ್ನಣೆ ನೀಡುತ್ತದೆ. ಅದು ಸಂಶೋಧನೆಯ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆಯ ಸ್ನ್ಯಾಪ್‌ಶಾಟ್, ಮತ್ತು ಯೋಜನೆ ಮುಂದುವರೆಯಿತು. ನಿಮ್ಮ ವಿತರಣೆಯು ತನ್ನದೇ ಆದ ಸಾಗಿಸಲಾದ ಕರ್ನಲ್ ಮತ್ತು ನವೀಕರಣಗಳನ್ನು ಹೊಂದಿದೆ.

### ಬಳಕೆದಾರರಿಗೆ ಯಾವ ದಿನಾಂಕ ಮತ್ತು ಪ್ಯಾಚ್ ಸ್ಥಿತಿ ಮುಖ್ಯ?

3:34 ಬಳಕೆದಾರರಿಗೆ, ಪ್ರಾಯೋಗಿಕ ಹಂತವೆಂದರೆ ಅವರು ನಿಜವಾಗಿಯೂ ನಡೆಸುತ್ತಿರುವ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಸಲಹೆಗಳನ್ನು ಅನುಸರಿಸುವುದು. ಅಪ್‌ಸ್ಟ್ರೀಮ್ ಸಂಶೋಧನಾ ಫಲಿತಾಂಶವು ಇನ್ನೂ ನಿಮ್ಮ ಯಂತ್ರದ ಆವೃತ್ತಿಯನ್ನು ಆ ನವೀಕರಣ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲಕ ತಲುಪಬೇಕಾಗಿದೆ. ಪರೀಕ್ಷಾ ಸೂಟ್ ಪಾಸ್ ಆಗುವುದನ್ನು ನೋಡಿದವರು, ಆದರೆ ಉತ್ಪನ್ನವು ತಪ್ಪಾದ ಕೆಲಸವನ್ನು ಮಾಡಿದಾಗ, ಇಲ್ಲಿ ಅಗತ್ಯವಿರುವ ಮುಖದ ಭಾವನೆಯನ್ನು ತಿಳಿದಿರುತ್ತಾರೆ. ಈಗ ಆ ಆರಂಭಿಕ ಸ್ಕೋರ್‌ಬೋರ್ಡ್‌ಗೆ ಹಿಂತಿರುಗಿ. ಮಾನವ ವಿಮರ್ಶಕರು ಯಶಸ್ಸಿನ ಸಂಕೇತದೊಳಗೆ ಒಂದು ಸಮಸ್ಯೆಯನ್ನು ಕಂಡುಕೊಂಡರು. ಏಜೆಂಟ್ ರೂಟ್ ಪಡೆದುಕೊಂಡ ನಂತರ ಆರಂಭಿಕ ಪೈಪ್‌ಲೈನ್ ನಿಯೋಜಿಸಲಾದ ದೋಷಕ್ಕೆ ಮನ್ನಣೆ ನೀಡಿತು.

3:58 ಅದು ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ. ನಿಯೋಜಿಸಲಾದ ಸಂಶೋಧನೆಯನ್ನು ಇನ್ನೂ ಆ ಫಲಿತಾಂಶಕ್ಕೆ ಸಂಪರ್ಕಿಸಬೇಕು, ಏಕೆಂದರೆ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ದೋಷಗಳು ಇರಬಹುದು. ಪುರಾವೆ ಬೇರೆ ಕಾರಣವನ್ನು ಸೂಚಿಸಿದರೆ, ಮೂಲ ವರದಿಗೆ ಇನ್ನೊಂದು

### ಆರಂಭಿಕ ರನ್‌ನಲ್ಲಿ ವಿಮರ್ಶಕರು ಏನನ್ನು ಕಂಡುಕೊಂಡರು?

4:09 ನೋಟ ಬೇಕು. OpenAI ಪ್ರಕಾರ, ಆರಂಭಿಕ ರನ್ 200 ಯಶಸ್ವಿ ಸ್ಥಳೀಯ ಹೆಚ್ಚಳಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ. ಮಾನವ ವಿಮರ್ಶೆಯು 20 ನಿಯೋಜಿಸಲಾದ ದೋಷಕ್ಕಿಂತ ವಿಭಿನ್ನ ದೋಷದ ಮೂಲಕ ರೂಟ್ ಪಡೆದುಕೊಂಡಿದೆ ಎಂದು ಕಂಡುಕೊಂಡಿತು. ಒಂದು ನಿಯೋಜಿಸಲಾದ ದೋಷವನ್ನು 20 ಮಾನವ ವಿಮರ್ಶೆಗಳು ಕಂಡುಕೊಂಡಿವೆ. ಯಶಸ್ಸು ನಿಜವಾಗಿತ್ತು, ಮತ್ತು ಗುಣಲಕ್ಷಣ ತಪ್ಪಾಗಿತ್ತು. ಸ್ಕೋರ್‌ಬೋರ್ಡ್ ಆಚರಿಸಿದರೂ ಸಹ, ಮೂಲ ಸಂಶೋಧನೆಯ ಪುರಾವೆಯನ್ನು ಅದು ಪರಿಹರಿಸದೆ ಬಿಡಬಹುದು. ಪರೀಕ್ಷೆಯು ತಪ್ಪಾದ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಿತ್ತು. ಅವರು ನಿರ್ಬಂಧಗಳನ್ನು ಬಿಗಿಗೊಳಿಸಿದ್ದಾರೆ ಮತ್ತು ಪ್ರತಿಯೊಂದು ಅಂತಿಮ ಫಲಿತಾಂಶವು ತನ್ನ ನಿಯೋಜಿಸಲಾದ ದೋಷವನ್ನು ಬಳಸಿದೆ ಎಂದು ಸ್ವತಂತ್ರ ಪರಿಶೀಲನೆಯನ್ನು ಸೇರಿಸಿದ್ದಾರೆ ಎಂದು ಲೇಖಕರು ಹೇಳುತ್ತಾರೆ.

4:34 ಅದು ಆರಂಭಿಕ ದೋಷಕ್ಕೆ ಅವರ ಪ್ರತಿಕ್ರಿಯೆ. ಆರಂಭಿಕ 20 ಸಂಶೋಧನೆಗಳು ಅಂತಿಮ 948 ಸಂಶೋಧನೆಗಳು ಸುಳ್ಳು ಎಂದು ಸ್ಥಾಪಿಸುವುದಿಲ್ಲ. ಫಲಿತಾಂಶ ಹೇಗೆ ಸಂಭವಿಸಿತು ಎಂಬುದನ್ನು ಅದು ಸಂಭವಿಸಿದೆಯೇ ಎಂದು ಎಚ್ಚರಿಕೆಯಿಂದ ಪರಿಶೀಲಿಸಿ. ಭರವಸೆಯ ಭಾಗವೆಂದರೆ ವಿಮರ್ಶಕರಿಗೆ ಅವರು ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದಾದ ಪುರಾವೆಗಳನ್ನು ನೀಡುವುದು, ಸರಿಯಾದ ಸಂಶೋಧನೆಯನ್ನು ಲಗತ್ತಿಸಲಾಗಿದೆ. ನಾನು ಇದನ್ನು ಹೇಳುವುದನ್ನು ಕೇಳುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಓದಲು ನೀವು ಬಯಸಿದರೆ, ಡಿಫ್ ಪ್ರತಿದಿನ ಬೆಳಿಗ್ಗೆ ನಿಮ್ಮ ಇನ್‌ಬಾಕ್ಸ್‌ನಲ್ಲಿ ಉಚಿತವಾಗಿ the daily diff dot dev ನಲ್ಲಿ ಸಿಗುತ್ತದೆ, ಲಿಂಕ್ ಕೆಳಗಿದೆ.

### OpenAI ನ ಪೈಪ್‌ಲೈನ್‌ನಲ್ಲಿ ತೀರ್ಪು ಏನನ್ನು ಪಡೆಯುತ್ತದೆ?

4:55 ಆದ್ದರಿಂದ ಇಂದಿನ ತೀರ್ಪು, NEEDS REVIEW. ನಾನು ಈ ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಮಾನವ ಪ್ಯಾಚ್ ವಿಮರ್ಶೆ ಮತ್ತು ಸ್ವತಂತ್ರ ಮಾರ್ಗ ಪರಿಶೀಲನೆಗಳೊಂದಿಗೆ ರಕ್ಷಣಾತ್ಮಕ ಕಾರ್ಯಪ್ರವಾಹದಲ್ಲಿ ಇಡುತ್ತೇನೆ. ವರದಿಯಾದ ಸಂಶೋಧನೆಗಳು ಉಪಯುಕ್ತವಾಗುತ್ತವೆ ನಿರ್ವಹಣೆದಾರರು ಅವರು ನಂಬಬಹುದಾದ ಪುರಾವೆಗಳನ್ನು ಸ್ವೀಕರಿಸಿದಾಗ ಮತ್ತು ಅವರು ಮೌಲ್ಯಮಾಪನ ಮಾಡಬಹುದಾದ ಪರಿಹಾರಗಳನ್ನು. ಮತ್ತು ಅದು ಇಂದಿನ ಡಿಫ್. ನಾನು Axrisi ನಿಂದ ನಿಕೋ.

5:10 ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ವಿಲೀನಗೊಳಿಸಿ.

## ಮೂಲಗಳು

- [A thousand fewer paths to root — reported Linux pipeline method and counts](https://openai.com/index/a-thousand-fewer-paths-to-root/) — OpenAI
- [Unique findings defined by distinct candidate patches after variant analysis](https://openai.com/index/a-thousand-fewer-paths-to-root/) — OpenAI
- [Early wrong-assigned-flaw result and added independent path check](https://openai.com/index/a-thousand-fewer-paths-to-root/) — OpenAI
- [Research-completion patch snapshot and mid-October baseline](https://openai.com/index/a-thousand-fewer-paths-to-root/) — OpenAI
- [Security bugs — general reporting and AI report-quality guidance](https://docs.kernel.org/process/security-bugs.html) — The Linux Kernel
- [Discussion of OpenAI's Linux research, interest context only](https://news.ycombinator.com/item?id=50372929) — Hacker News
- [Sam Altman portrait — TechCrunch; Steve Jennings/Getty Images for TechCrunch; CC BY 2.0; cropped, background removed and resized; vendor identification, no endorsement or current reaction](https://commons.wikimedia.org/wiki/File:Sam_Altman_TechCrunch_SF_2019_Day_2_Oct_3_%28cropped%29.jpg) — TechCrunch via Wikimedia Commons
- [Portrait licence: Creative Commons Attribution 2.0](https://creativecommons.org/licenses/by/2.0/) — Creative Commons
- [Drake Hotline Bling template — brief transformed process commentary, no actual news reaction or blanket reuse licence](https://imgflip.com/memetemplate/Drake-Hotline-Bling) — Imgflip
- [Nathan Fillion in Firefly, HULU disbelief GIF — brief transformed process commentary, no actual news reaction or blanket reuse licence; public hosting does not certify legal clearance](https://giphy.com/gifs/hulu-firefly-fox-television-classics-d31xeuBpR8qdzWSc) — HULU on GIPHY
- [Original Sam Altman portrait — TechCrunch; Steve Jennings/Getty Images for TechCrunch; CC BY 2.0; cropped, background removed and resized; vendor identity only, no endorsement or personal study authorship](https://www.flickr.com/photos/techcrunch/48838377432/) — TechCrunch on Flickr