注重隐私保护的浏览器DuckDuckGo正在推出一项新设置,允许用户在搜索结果中过滤掉AI生成的图像。该公司表示,推出这一功能是为了回应用户反馈,用户认为AI图像会妨碍他们找到所需内容。
用户可以通过在DuckDuckGo上进行搜索并点击图像标签页来访问这项新设置。在那里,他们会看到一个名为"AI图像"的新下拉菜单。然后用户可以通过选择"显示"或"隐藏"来决定是否要查看AI内容。
用户也可以在搜索设置中通过点击"隐藏AI生成图像"选项来启用过滤功能。
随着互联网被AI"垃圾内容"淹没,DuckDuckGo的这一新功能应运而生。AI"垃圾内容"指的是使用生成式 AI技术制作的低质量媒体内容。
DuckDuckGo在X平台的帖子中表示:"该过滤器依赖于人工整理的开源屏蔽列表,包括uBlockOrigin和uBlacklist Huge AI Blocklist提供的'nuclear'列表。虽然它不能100%捕获AI生成的结果,但会大大减少您看到的AI生成图像数量。"
DuckDuckGo表示计划在未来添加更多过滤器,但未提供具体细节。
值得注意的是,DuckDuckGo为这一新功能展示的示例描绘了对小孔雀的图像搜索,这很可能是在暗指Google去年面临的争议——在进行孔雀图像搜索时,显示更多AI生成的小孔雀图像而非真实生活中的图像。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。