Microsoft關於AI訓練的內部備忘錄剛被公開。

本影片涵蓋的內容

• 《紐約時報》訴OpenAI/Microsoft案文件解封：「人類史上最大的勞動盜竊」（Microsoft備忘錄，2023年1月）；Copilot點擊率下降93%；中期訓練數據中包含91,692份原告作品；一個Common Crawl切片中包含200萬個nytimes.com頁面；版權聲明被移除；Brockman：「啊，不錯」
• 警告：引文來自《紐約時報》的簡報，證物仍未公開；法官Alsup（Bartz訴Anthropic案）裁定使用購買的書籍進行訓練屬於合理使用—Anthropic為700萬本盜版書籍支付了15億美元
• OpenAI Astra for Law：GPT-6 Astra + 包含2.3億個URL的法律索引；在Vals法律研究基準測試中，正確率為54.0%，相比38.7%有所提升；支援Harvey、Legora、26個插件
• ZCode (Z.ai, GLM)：在登錄時和每次提示前，將包含42,411個文件的313 MB加密工作空間快照（其中86.6%是.git目錄）上傳到阿里雲OSS；RSA-OAEP密鑰僅由Z.ai持有；設定開關無法阻止此行為
• Hacktron：libheif堆溢出 → Discourse RCE → SSO配置錯誤 → GitHub → 在72小時內進入OpenAI內部儲存庫；漏洞利用由Claude Opus 5在3小時內完成；整個活動花費不到3,000美元的代幣；賞金6,500美元，在大約14小時內修補

翻譯的文字記錄

從英文原文旁白翻譯。可用的音頻和字幕由 YouTube 控制。

0:00 2023年1月，Microsoft的一位董事撰寫了一份備忘錄，稱他自己 公司正在做的事情是人類史上最大的勞動盜竊， 而昨天，一個聯邦法院讓我們所有人讀到了它。 這份備忘錄是《紐約時報》訴OpenAI與 Microsoft訴訟中未經刪減的引文之一，這起訴訟將於今年12月滿三年。 同一個星期四，OpenAI發佈了Astra for Law，一個專為律師設計的模型， 這要麼是巧合，要麼是非常高明的招聘。 今天早上，一位開發者發現ZCode，Z dot A I的編碼代理，

0:29 將他所有的git歷史記錄上傳到阿里巴巴的雲端，而密鑰只有Z dot A I持有。 一家安全公司通過圖片上傳進入了OpenAI的內部儲存庫，為此OpenAI支付了6,500美元。 上傳，為此OpenAI支付了六千五百美元。 在這段影片中：文件說了什麼，誰對付費牆駭客說了「啊，不錯」， 那個有一半時間是錯誤的法律模型，ZCode上傳了什麼， 以及為什麼一個由Claude編寫的漏洞利用價值還不如一輛二手車。 今天是9月18日，星期五，這是The Daily Diff。

0:58 從備忘錄開始。 Brent Hecht負責Microsoft的應用科學部門， 並在2023年1月，他稱 訓練數據是前所未有的驚人盜竊。 一年後，他帶著一份幻燈片報告回來：Copilot的答案引擎將 流向《紐約時報》的點擊率降低了多達93%， 他將此命名為「厄運循環」：讓出版商挨餓，模型就沒有新東西 可吃。他的原話是：一個威脅其基本供應商經濟基礎的最終產品，這是公司說法，意思就是自食其果。

1:21 公司說法，意思就是蛇找到了自己的尾巴。 然後是證詞。 Satya Nadella今年作證說，任何付費內容都應該獲得許可， 而且如果他知道OpenAI在付費文章上進行訓練，他會讓 他們重新訓練，這假定Microsoft沒有人打開他們得到的訓練集， 根據同一份文件，那是整個GPT-3數據集。 負責ChatGPT的Nick Turley稱其對出版商構成了生存威脅， 很大程度上具有替代性。當一位研究員

1:49 告訴Greg Brockman一個破解方法， 繞過《紐約時報》付費牆時，這位OpenAI總裁 用兩個詞回答：「啊， 不錯。」工程師還從數據中去除了版權聲明，這樣模型就不會輸出它們， 這就像你把自行車上的序列號磨掉一樣。 規模：僅在中期訓練集中，就有超過91,000份原告文章的副本， 以及在一個Common Crawl切片中有200萬個《紐約時報》頁面。 現在講一下標題跳過的部分。

2:15 每個引文都來自《紐約時報》的簡報；證物仍未公開， 因此我們正在閱讀檢方的重點內容，而沒有上下文。 法院大多站在合理使用一邊：Alsup法官去年裁定， 使用你付費購買的書籍進行訓練是合法的， 儘管Anthropic為它盜版的700萬本書仍支付了15億美元。 因此法律問題仍未解決。 至於建造它的人是否認為這是盜竊， 截至昨天，這不是問題。

2:41 這使得星期四OpenAI的另一個發布成為一個大膽的選擇。 Astra for Law結合了GPT-6 Astra，我上週標記為 REVERT的模型，當時它產生了75,000行的空白內容， 在一個包含2.3億頁的法律搜索索引中。 在Vals AI的法律研究基準測試中，它通過了54%的問題， 比使用普通網頁搜索的39%有所提高，OpenAI稱之為40%的改進， 而律師會說幾乎一半時間都是錯的。 這篇部落格文章沒有提到「幻覺」一詞。

3:14 Hacker News有提到：「它能告自己嗎？」這， 鑑於本週的事件，是第一個真正的用例。 同時，關於「勞動盜竊」的討論也傳到了你的筆記本電腦。 一位名叫ferstar的開發者清理了他的ZCode文件夾， Z dot A I用於GLM模型的封閉桌面代理，並發現了一個313MB的 加密商業工作空間檔案：42,000個文件，其中87%是.git目錄， 在登錄時和每次提示前上傳到阿里巴巴的對象儲存服務。 在登錄時和每次提示前上傳到阿里巴巴的對象儲存服務。

3:42 該檔案使用伺服器發出的公開金鑰進行加密；私鑰 僅存在於Z dot A I的雲端，因此你自己的磁碟上的密文 對你來說是不可讀的。 他的話是：一個只有伺服器能使用的金鑰，其用途只有一個。 Z dot A I也是Anthropic指控提煉Claude的公司， 所以權重是公開的，你的儲存庫顯然也是。 還有這個有趣的故事，除非你在OpenAI工作。 Hacktron在libheif中發現了堆溢出，將一個精心製作的圖片上傳到

4:10 community dot openai dot com，在論壇上獲得了代碼執行權限， 並通過配置錯誤的單一登錄與GitHub集成，在72小時內進入了 OpenAI的內部儲存庫。 這個漏洞利用是由Claude編寫的：Opus 4.8無法擊敗地址 隨機化，Opus 5在發佈後三小時內就做到了。 整個活動花費不到3,000美元的代幣。 OpenAI在14小時內修補了漏洞，並支付了6,500美元的賞金， 所以這家萬億美元公司的原始碼，

4:39 簡而言之，在同一天，當其律師們辯稱複製屬於合理使用時， 它的價格與一輛二手卡羅拉相當。 如果你寧願閱讀這份報告而不是聽我說，The Daily Diff每天早上都會發送到你的收件箱—在daily diff dot dev免費訂閱，鏈接在下方。 每天早上都會發送到你的收件箱 — 在daily diff dot dev免費訂閱，鏈接在下方。 所以 — 今天的判決：NEEDS REVIEW。 這些引文是真實的，但它們是檢方從未公開的證物中選取的片段， 而唯一一位做出裁決的法官表示訓練是合理使用，盜版則不是。 法院裁定法律；備忘錄已裁定倫理。

5:07 訂閱，點擊小鈴鐺，並在評論中告訴我，如果你會給出 不同的標記。 這就是今天的The Daily Diff。 我是Axrisi的Niko。 負責任地合併。

來源

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