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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。