YouTube计划于周二对其货币化政策进行调整,该变化似乎针对"非真实"内容。这一改变可能旨在帮助减缓平台上生成式AI内容的泛滥,使观众更容易找到高质量视频。
该公司在一篇简短的支持帖子中表示:"2025年7月15日,YouTube将更新我们的指导方针,以更好地识别批量生产和重复性内容。"
在后续的视频消息中,视频创作者兼YouTube编辑和创作者联络员Rene Ritchie淡化了这一变化对可能担心这些调整的创作者的影响,他说:"这是对YouTube长期存在的YPP(YouTube合作伙伴计划)政策的小幅更新,有助于更好地识别批量生产或重复性内容。"
Ritchie表示,这类内容已经被取消货币化,用户会称之为垃圾信息。
周四,YouTube在支持帖子中分享了额外信息,帖子开头写道:"嗨,创作者们,我们看到围绕7月15日即将到来的YPP小幅更新存在一些困惑,希望分享更多信息并回答我们看到的主要问题。"
在这篇帖子中,YouTube重申它并非在创建新政策,而是在更新长期存在的"重复性内容"指导方针。帖子表示,这不适用于为原始视频添加"重要原创评论、修改或教育或娱乐价值"的重复使用内容。
YouTube举例说明"批量生产内容"包括:上传只有表面差异的叙述故事的频道,以及上传都使用相同解说的幻灯片的频道。
帖子和视频中未提及的是,YouTube一直在与生成式AI视频问题作斗争,特别是对用户价值较低但正在淹没社交媒体网络和平台的"AI垃圾内容"。YouTube的指导方针没有特别提到AI垃圾内容,但其"更改或合成内容"的一些示例似乎包括某些类型的AI生成视频。
AI内容泛滥的问题已经变得如此严重,以至于John Oliver最近在他的HBO节目中专门用了整整一集来讨论AI垃圾内容的兴起。(顺便说一下,你可以在YouTube上找到这一集。)
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。