在遭到批评、指责其在未通知用户的情况下悄然修改使用条款中关于用户内容可能会被用来训练 AI 的条款后,SoundCloud 表示,“从未使用艺术家内容来训练 AI 模型”,并坚称其“一直以来都是并将始终以艺术家为先”。这一愤慨源自技术伦理学者 Ed Newton-Rex(通过 TechCrunch 报道)发现,在 2024 年 2 月,SoundCloud 修改了使用条款,似乎并未通知用户。更新后的文本声明,使用该平台即表示“您明确同意,您的内容可能被用于为提供服务的一部分,以告知、训练、开发或作为人工智能或机器智能技术或服务的输入”。
在给 TechCrunch 的一份声明中,一位发言人表示,此次更新的目的仅在于“澄清内容在 SoundCloud 自有平台内与 AI 技术的交互方式”,并指出公司“从未使用艺术家内容来训练 AI 模型,我们也没有开发 AI 工具或允许第三方抓取或使用我们平台上的 SoundCloud 内容以用于 AI 训练目的”。 SoundCloud 的官方 Reddit 账号在社交媒体平台上发布了类似声明,以回应用户的愤怒,并且双方均指出 SoundCloud 为艺术家增加了一个 “no AI” 标签,“以明确禁止未经授权的使用”。
该公司表示,AI 可能会被用于音乐推荐、播放列表创建以及欺诈侦测等方面。 SoundCloud 在 Reddit 上发帖称:“任何未来的 AI 工具都将以增强艺术家发现、保护版权以及拓宽机会为目标。我们听到了大家的担忧,并且始终致力于透明度、艺术家控制权以及合理使用。”
然而,仅仅几个月前,SoundCloud 就推出了一套面向音乐创作的 AI 工具,此前该公司在当年早些时候已经宣布了另外三项相关工具。这些工具包括用于生成混音、新曲、节奏以及歌唱声音的 AI 工具。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。