接上一篇文章#网友爆料

接上一篇文章 #网友爆料 全网曝光陈波 倒计时99天 陈波前妻 姓名: 宋小敏 手机: 15286168132 运营商:中国移动 归属地: 贵州 遵义 身份证: 522121198704226022 出生日期: 1987-04-22 星座:金牛座 生肖:卯兔 微信 支付宝 QQ网名均为“小敏” 手机号码15286168132搜索即可添加 （均通过验证本人常用号） PS:除了6还是想说6 欢迎订阅东南亚悬赏通缉令|曝光|频道 ↓ 欢迎投稿爆料： @dnyjsbd

彭博社 的一篇文章《》称：

彭博社 的一篇文章《》称： 一名德国高中老师 Christoph Schuhmann 创立了一个名为“Large-scale AI Open Network”（LAION）的免费AI训练数据集。该数据集已经包含了超过50亿张图片，并被广泛应用于训练文本到图像生成器，如Google的Imagen和Stable Diffusion。Schuhmann和他的志愿者团队从各大网站如Pinterest、Shopify和亚马逊网络服务等爬取了大量图像，并与之关联描述性文本，最终形成了目前最大的免费图像和标题数据集。此举引发了一系列道德和法律问题，例如是否可以利用公共可用的材料来构建数据库，以及这些创作者是否应该得到报酬。虽然Stability AI和Midjourney等公司因版权侵犯而面临诉讼，但Schuhmann并不担心这些问题，他只想将数据开放出来。 摘要来自 ChatGPT

网安公司新研究 超过一半的密码AI破解不到1分钟

网安公司新研究 超过一半的密码AI破解不到1分钟 网络安全公司Home Security Heroes最新的一项研究显示，人工智能可以轻易地破解你的密码，即使你认为你的密码非常强大。该公司使用了基于生成对抗网络（GAN）的密码生成器PassGAN进行实验，该模型从真实的密码泄露中学习，生成可能使用的真实密码。 结果显示，51％的普通密码可以在不到一分钟内被破解。Home Security Heroes向PassGAN提供了1568万个常用密码的数据集来训练该模型，其中排除了短于四个字符和长于18个字符的密码。数据泄露事件的发生为培养人工智能提供了更多的素材。 标签: #AI #密码破解 频道: @GodlyNews1 投稿: @Godlynewsbot

看到一个新闻，一篇文章。

看到一个新闻，一篇文章。 新闻说某地一些采集核酸样品的工作人员因为防护措施没做好而感染。这个其实提醒我们，反复的大规模核酸检测不可避免地带来人员聚集情况，本身存在扩散感染的风险，这个几个月前我在公众号上就写过一篇文章。现在工作人员在密集的采样环境下感染，自然也要考虑同样在这个环境下的被检测的人的风险这些工作人员是因为在这个环境里与感染者近距离接触感染的，同样在这里的老百姓一样也有被感染的风险。 这是一个非常鲜活的教训，告诉我们核酸不是测得越多、越频繁就越好。 另外看到的故事是有人因为想吃鸡火丝，不小心走到医院边上一个密接人员经过的地方，被隔离了两周。我很好奇鸡火丝是什么，但这个可以先放在一边，从长计议。毕竟无论是什么山珍海味，隔离两周的代价未免太高，吃不起。 我想提出来的是，为什么需要去隔离这样的纯纯粹粹的路人甲。什么样的人需要隔离，是依据实际暴露程度与感染风险来的。这个人经过的地方，当时没有感染者在。注意在这个地方呆过的人是密切接触者，不是感染者，而且这个人已经被带走了。这种情况下，误入这个区域的人算什么？连次密接都算不上。按现在的防控方案，根本就不需要隔离。 这种就是典型的，毫无意义的折腾。 从这篇文章的描述来看，这样被拉去隔离的人各种情况都有，甚至包括高危孕妇、刚做完手术伤口尚未痊愈的人，以及有痛风这种基础疾病的人。这些人莫名其妙拉去隔离，出事的风险是多大？ 我们甚至可以回看不到一个月前贵州转运疫情相关人员发生重大车祸的事情。里面的人按照防控方案，根本不需要去别的地方集中隔离。但就是莫名其妙要到整个省最边远的地方隔离管理。这不是没事增加风险吗？ 反复大规模做核酸最后在核酸监测点发生传播，以及将没有隔离必要的人强制集中隔离，这些都不是降低疫情风险，只是在增加防疫成本，甚至在增加次生灾害以及疫情本身扩散的风险。

RT lencx今天沉下心来，用一天时间写了一篇文章，翻译+查资料+术语解释，虽然我是 AI 领域的小白，但是随着写作的深入，我

RT lencx 今天沉下心来，用一天时间写了一篇文章，翻译+查资料+术语解释，虽然我是 AI 领域的小白，但是随着写作的深入，我已经了解到越来越多机器学习的术语和概念。什么是学习？我认为这就是学习！ 万字长文《DeepSpeed Chat：一键搞定不同规模 ChatGPT 类模型训练！》

最近一直在思考设计师在 AI 时代的定位和职能问题，昨天看到一篇文章，《模型设计师的崛起》有点意思。

最近一直在思考设计师在 AI 时代的定位和职能问题，昨天看到一篇文章，《模型设计师的崛起》有点意思。 他提出了模型设计师这一职位，指出设计师不应仅仅关注AI模型的界面设计，而应深入了解模型的核心构造。 不过这个内容主要还是跟 LLM 相关，设计师在图像和视频模型的优化和训练上其实可以做更多事情，重要性也比 LLM 要更强，我找时间写一下这部分内容。 模型设计师的职责包括与工程团队紧密合作，应对AI模型构建中固有的诸如幻觉、隐私和偏见等问题。 还给出了一些模型设计师需要做的例子，比如通过体验优化引导和简化用户书写提示词的难度等。 翻译及原文：