微软关于AI训练的内部备忘录刚刚公开。

本视频涵盖的内容

• 《纽约时报》诉OpenAI/微软案文件解密：“人类历史上最大规模的劳动盗窃”（微软备忘录，2023年1月）；Copilot导致点击率下降93%；中期训练数据中包含91,692份原告作品副本；一个Common Crawl切片中有200万个nytimes.com页面；版权声明被剥离；布罗克曼：“啊，不错”
• 警告：引述来自《纽约时报》的简报，证据仍未公开；阿尔苏普法官（Bartz诉Anthropic案）裁定，对购买的书籍进行训练属于合理使用——Anthropic为700万本盗版书籍支付了15亿美元。
• OpenAI Astra for Law：GPT-6 Astra + 包含2.3亿个URL的法律索引；在Vals法律研究基准测试中，正确率达到54.0%，而对比38.7%的结果。
• ZCode (Z.ai, GLM)：一个42,411个文件工作区的313 MB加密快照，其中86.6%是.git目录，在登录时和每次提示前上传到阿里云OSS；RSA-OAEP密钥仅由Z.ai持有；设置开关无法阻止此行为。
• Hacktron：libheif堆溢出 → Discourse RCE → SSO配置错误 → GitHub → 不到72小时内进入OpenAI内部存储库；Claude Opus 5在3小时内完成漏洞利用；令牌费用低于3,000美元；赏金6,500美元，在大约14小时内完成修补。

翻译的文字记录

译自英文原版旁白。可用音频和字幕由 YouTube 控制。

0:00 2023年1月，一名微软董事撰写了一份备忘录，称他自己的 公司正在做的是人类历史上最大规模的劳动盗窃， 昨天，联邦法院允许我们其他人阅读它。 这份备忘录是《纽约时报》诉OpenAI和 微软案中未经编辑的引述之一，这场诉讼将于今年12月满三年。 在同一个周四，OpenAI发布了针对律师的模型Astra for Law， 这要么是巧合，要么是非常有力的招聘。 今天早上，一名开发者发现ZCode，即Z.ai的编码代理，

0:29 正在将其整个git历史上传到阿里云，而密钥只有Z.ai 持有。 一家安全公司通过图片上传进入了OpenAI的内部存储库， 为此OpenAI支付了6,500美元。 在本视频中：文件披露了什么，谁对规避付费墙的技巧说了“啊，不错”， 那个有一半时间是错误的法律模型，ZCode上传了什么， 以及为什么一个由Claude编写的漏洞利用价值不如一辆二手车。 今天是9月18日星期五，这里是The Daily Diff。

0:58 从备忘录开始。 布伦特·赫克特（Brent Hecht）负责微软的应用科学部门， 他在2023年1月称 训练数据是一场前所未有的惊人盗窃。 一年后，他带着一份幻灯片回来：Copilot的答案引擎将 导向《纽约时报》的点击率降低了93%， 他将其命名为“厄运循环”：让出版商挨饿，模型就没有新的东西 可吃。他的原话是：一个威胁其核心供应商经济基础的最终产品，这是公司说法，意思是这条蛇正在咬自己的尾巴。

1:21 这是公司说法，意思是这条蛇正在咬自己的尾巴。 然后是证词。 萨蒂亚·纳德拉今年作证称，任何付费内容都应获得许可， 如果他知道OpenAI使用付费文章进行训练，他会要求 他们重新训练，这假设微软没有人打开他们 收到的训练集，根据相同的文件，那是整个GPT-3数据集。 负责ChatGPT的尼克·特利（Nick Turley）称其对出版商构成生存威胁， 具有很大的替代性。当一名研究人员

1:49 告诉格雷格·布罗克曼一个规避 《纽约时报》付费墙的技巧时，OpenAI总裁 回答了两个词：啊， 不错。工程师们还从数据中剥离了版权声明，这样模型 就不会输出它们，这就像你磨掉自行车上的序列号一样。 规模：仅中期训练集中就有超过91,000份原告文章副本， 一个Common Crawl切片中有200万个《纽约时报》页面。现在是标题省略的部分。 现在是标题省略的部分。

2:15 所有引述均来自《纽约时报》的简报；证据仍未公开， 因此我们正在阅读检方的摘要，缺乏背景信息。 法院大多站在合理使用一边：阿尔苏普法官去年裁定 对你付费购买的书籍进行训练是合法的， 尽管Anthropic仍然为它盗版的700万本书支付了15亿美元。 因此，法律问题仍悬而未决。 至于构建它的人是否认为这是盗窃， 截至昨天，这个问题已经明确了。

2:41 这使得周四OpenAI的另一个发布成为一个大胆的选择。 Astra for Law集成了GPT-6 Astra，我上周在它生成了7.5万行 空白内容后将其标记为“REVERT”的模型， 并整合了包含2.3亿页的法律搜索索引。 在Vals AI的法律研究基准测试中，它通过了54%的问题， 比普通网页搜索的39%有所提高，OpenAI称之为40%的 改进，而律师会说它有近一半时间是错误的。 这篇博客文章中不包含“幻觉”这个词。

3:14 Hacker News上有：“它能起诉自己吗？”， 考虑到本周的情况，这是第一个真正的用例。 与此同时，“劳动盗窃”的讨论蔓延到了你的笔记本电脑。 一位名叫ferstar的开发者清理了他的ZCode文件夹， Z.ai的GLM模型专用桌面代理，发现了一个313兆字节的加密存档，其中包含他的商业工作区：4.2万个文件，其中87%是.git目录， 其中87%是.git目录， 在登录时和每次提示前都上传到阿里云的对象存储。 在登录时和每次提示前都上传到阿里云的对象存储。

3:42 该存档使用服务器分发的公钥进行加密；私钥 仅存在于Z.ai的云中，因此你磁盘上的密文对你来说是 无法读取的。 他的话：一个只有服务器才能使用的密钥，其用途只有一个。 Z.ai也是Anthropic指控其提炼Claude的公司， 因此权重是公开的，你的存储库显然也是公开的。 还有一个有趣的事件，除非你在OpenAI工作。 Hacktron在libheif中发现了一个堆溢出，将一张精心制作的图片上传到

4:10 community.openai.com，在论坛上获得了代码执行权限， 并通过一个配置错误的单点登录（SSO）系统，通过GitHub集成，在不到72小时内 进入了OpenAI的内部存储库。 这个漏洞是由Claude编写的：Opus 4.8无法击败地址 随机化，Opus 5在发布后三小时内就做到了。 整个活动花费的令牌费用不到3,000美元。 OpenAI在14小时内修复并支付了6,500美元， 因此，一家万亿美元公司的源代码，

4:39 短暂地，价格如同二手卡罗拉，就在同一天，其律师们还在辩称 复制是合理使用。 如果你更喜欢阅读而不是听我讲，The Daily Diff每天早上都会发送到你的收件箱 ——在thedailydiff.dev免费获取，链接在下方。 所以——今天的判决：需要审查。 引述是真实的，但它们是检方从密封证据中挑选出来的， 而唯一一位做出裁决的法官表示，训练是合理使用，盗版则不是。 法院决定法律；备忘录已经决定了道德。

5:07 订阅，点击小铃铛，在评论中告诉我你是否会 做出不同的标记。 这就是今天的差异。 我是来自Axrisi的Niko。 负责任地合并。

来源

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