AI శిక్షణపై Microsoft యొక్క అంతర్గత మెమో బహిరంగమైంది.
న్యూయార్క్ టైమ్స్ వర్సెస్ OpenAI & Microsoft కేసులో వెల్లడైన పత్రాలు: జనవరి 2023లో Microsoft డైరెక్టర్ రాసిన మెమో AI శిక్షణ డేటాను "మానవ చరిత్రలో అతిపెద్ద కార్మికుల దొంగతనం" అని అభివర్ణించింది, Copilot Times కు క్లిక్-త్రూలను 93% వరకు తగ్గించింది (అతని "విషాద వలయం"), సత్య నాదెళ్ల పేవాల్డ్ కంటెంట్‌కు లైసెన్స్ ఇవ్వాలని అన్నారు, ChatGPT అధిపతి ఉత్పత్తిని "ఎక్కువగా ప్రత్యామ్నాయం" అని అన్నారు, మరియు గ్రెగ్ బ్రాక్‌మన్ పేవాల్ హ్యాక్‌కు "ఆహ్ నైస్" అని బదులిచ్చారు.
న్యూయార్క్ టైమ్స్ వర్సెస్ OpenAI & Microsoft కేసులో వెల్లడైన పత్రాలు: జనవరి 2023లో Microsoft డైరెక్టర్ రాసిన మెమో AI శిక్షణ డేటాను "మానవ చరిత్రలో అతిపెద్ద కార్మికుల దొంగతనం" అని అభివర్ణించింది, Copilot Times కు క్లిక్-త్రూలను 93% వరకు తగ్గించింది (అతని "విషాద వలయం"), సత్య నాదెళ్ల పేవాల్డ్ కంటెంట్‌కు లైసెన్స్ ఇవ్వాలని అన్నారు, ChatGPT అధిపతి ఉత్పత్తిని "ఎక్కువగా ప్రత్యామ్నాయం" అని అన్నారు, మరియు గ్రెగ్ బ్రాక్‌మన్ పేవాల్ హ్యాక్‌కు "ఆహ్ నైస్" అని బదులిచ్చారు. అదే రోజు: OpenAI Astra for Law ను విడుదల చేసింది (Vals లీగల్ బెంచ్‌పై 54% సరైనది). ZCode మీ మొత్తం .git ను Aliyun కు అప్‌లోడ్ చేస్తోంది, దీని కీ Z.ai వద్ద మాత్రమే ఉంటుంది, మరియు Hacktron $6,500 బహుమతి కోసం OpenAI యొక్క అంతర్గత రిపోజిటరీలను చేరుకుంది. తీర్పు: NEEDS REVIEW.
వ్రాతపూర్వక సంచికను చదవండి (ఇంగ్లీష్) ↗
ఈ వీడియో ఏమి కవర్ చేస్తుంది
- NYT v. OpenAI/Microsoft వెల్లడైంది: "మానవ చరిత్రలో అతిపెద్ద కార్మికుల దొంగతనం" (Microsoft మెమో, జనవరి 2023); Copilot −93% క్లిక్-త్రూలు; మధ్య-శిక్షణ డేటాలో దావాలు వేసిన వారి రచనల 91,692 కాపీలు; ఒక Common Crawl స్లైస్‌లో 2M nytimes.com పేజీలు; కాపీరైట్ నోటీసులు తొలగించబడ్డాయి; బ్రాక్‌మన్: "ఆహ్ నైస్"
- జాగ్రత్త: కోట్లు టైమ్స్ బ్రీఫ్ నుండి వచ్చినవి, ఎగ్జిబిట్‌లు ఇంకా సీల్ చేయబడ్డాయి; జడ్జి అల్‌సప్ (Bartz v. Anthropic) కొనుగోలు చేసిన పుస్తకాలపై శిక్షణ ఇవ్వడం సరసమైన ఉపయోగం అని తీర్పునిచ్చారు — Anthropic 7M దొంగిలించబడిన వాటికి $1.5B చెల్లించింది
- OpenAI Astra for Law: GPT-6 Astra + 230M-URL లీగల్ ఇండెక్స్; Vals లీగల్ రీసెర్చ్ బెంచ్‌పై 54.0% vs 38.7%; Harvey, Legora, 26 ప్లగిన్‌లు
- ZCode (Z.ai, GLM): 42,411-ఫైల్ వర్క్‌స్పేస్ యొక్క 313 MB గుప్తీకరించబడిన స్నాప్‌షాట్, 86.6% .git, లాగిన్ అయినప్పుడు మరియు ప్రతి ప్రాంప్ట్‌కు ముందు Aliyun OSS కు అప్‌లోడ్ చేయబడింది; RSA-OAEP కీ Z.ai వద్ద మాత్రమే ఉంటుంది; సెట్టింగ్స్ టోగుల్‌లు దీన్ని ఆపలేవు
- Hacktron: libheif హీప్ ఓవర్‌ఫ్లో → Discourse RCE → SSO తప్పుగా కాన్ఫిగర్ చేయబడింది → GitHub → OpenAI అంతర్గత రిపోజిటరీలకు 72 గంటలలోపు; Claude Opus 5 (3 గం) ద్వారా ఎక్స్‌ప్లాయిట్ వ్రాయబడింది; టోకెన్‌లలో $3,000 లోపు ప్రచారం; బహుమతి $6,500, సుమారు 14 గంటల్లో ప్యాచ్ చేయబడింది
అనువదించబడిన ట్రాన్స్క్రిప్ట్
అసలైన ఆంగ్ల కథనం నుండి అనువదించబడింది. అందుబాటులో ఉన్న ఆడియో మరియు క్యాప్షన్లు YouTube ద్వారా నియంత్రించబడతాయి.
0:00 జనవరి 2023లో, ఒక Microsoft డైరెక్టర్ మెమో రాశారు, తన స్వంత సంస్థ మానవ చరిత్రలో అతిపెద్ద కార్మికుల దొంగతనం చేస్తోందని అన్నారు, మరియు నిన్న ఒక ఫెడరల్ కోర్టు మనమందరం దానిని చదవడానికి అనుమతించింది. ఈ మెమో న్యూయార్క్ టైమ్స్ వర్సెస్ OpenAI మరియు Microsoft కేసులో వెల్లడైన కోట్లలో ఒకటి, ఈ కేసు ఈ డిసెంబర్‌లో మూడు సంవత్సరాలు అవుతుంది. అదే గురువారం, OpenAI న్యాయవాదుల కోసం ఒక మోడల్ అయిన Astra for Law ను విడుదల చేసింది, ఇది ఒక యాదృచ్చికం లేదా చాలా బలమైన నియామకం. ఈ ఉదయం ఒక డెవలపర్ ZCode, Z.AI యొక్క కోడింగ్ ఏజెంట్‌ను పట్టుకున్నారు,
0:29 అతను తన మొత్తం git చరిత్రను Alibaba యొక్క క్లౌడ్‌కు అప్‌లోడ్ చేస్తున్నాడు, దీని కీ Z AI వద్ద మాత్రమే ఉంటుంది. మరియు ఒక సెక్యూరిటీ సంస్థ ఒక ఇమేజ్ ద్వారా OpenAI యొక్క అంతర్గత రిపోజిటరీలలోకి ప్రవేశించింది అప్‌లోడ్, దీని కోసం OpenAI ఆరు వేల ఐదు వందల డాలర్లు చెల్లించింది. ఈ వీడియోలో: పత్రాలు ఏమి చెబుతున్నాయి, పేవాల్ హ్యాక్‌కు ఎవరు 'ఆహ్ నైస్' అని అన్నారు, సగం సార్లు తప్పుగా ఉండే న్యాయ మోడల్, ZCode ఏమి అప్‌లోడ్ చేస్తుంది, మరియు క్లాడ్-రచించిన ఎక్స్‌ప్లాయిట్ పాత కారు కంటే తక్కువ విలువ ఎందుకు. ఈ రోజు శుక్రవారం, సెప్టెంబర్ 18, మరియు ఇది The Daily Diff.
0:58 మెమోతో ప్రారంభించండి. బ్రెంట్ హెక్ట్ Microsoft వద్ద అప్లైడ్ సైన్స్ ను నిర్వహిస్తారు, మరియు జనవరి 2023లో అతను శిక్షణ డేటాను అపూర్వమైన నిష్పత్తుల అద్భుతమైన దొంగతనం అని అన్నారు. ఒక సంవత్సరం తరువాత అతను ఒక స్లైడ్ డెక్ తో తిరిగి వచ్చాడు: Copilot యొక్క ఆన్సర్ ఇంజిన్ టైమ్స్ కు క్లిక్-త్రూలను తొంభై మూడు శాతం వరకు తగ్గించింది, దీనిని అతను విషాద వలయం అని పేరు పెట్టారు: ప్రచురణకర్తలను ఆకలితో చంపండి, మరియు మోడల్‌కు తినడానికి కొత్తగా ఏమీ ఉండదు అతని మాటలు: దాని ముఖ్యమైన సరఫరాదారుల ఆర్థిక పునాదులను బెదిరించే తుది ఉత్పత్తి, పాము దాని తోకను గుర్తించిందని చెప్పడానికి కార్పొరేట్ మార్గం.
1:21 అతని మాటలు: దాని ముఖ్యమైన సరఫరాదారుల ఆర్థిక పునాదులను బెదిరించే తుది ఉత్పత్తి, పాము దాని తోకను గుర్తించిందని చెప్పడానికి కార్పొరేట్ మార్గం. తరువాత డిపోజిషన్లు. సత్య నాదెళ్ల ఈ సంవత్సరం పేవాల్డ్ చేసిన ఏదైనా లైసెన్స్ చేయబడాలని సాక్ష్యమిచ్చారు, మరియు OpenAI పేవాల్డ్ కథనాలపై శిక్షణ పొందిందని తనకు తెలిసి ఉంటే అతను వాటిని తిరిగి శిక్షణ ఇవ్వమని చెప్పి ఉండేవాడు, ఇది Microsoft లో ఎవరూ వారికి ఇచ్చిన శిక్షణ సెట్‌ను తెరవలేదని ఊహిస్తుంది, మరియు అదే ఫైలింగ్ ప్రకారం అది మొత్తం GPT-3 డేటాసెట్. ChatGPT ని నడుపుతున్న నిక్ టర్లీ దీనిని ప్రచురణకర్తలకు ఉనికికి ముప్పు అని అన్నారు, ఎక్కువగా ప్రత్యామ్నాయం. మరియు ఒక పరిశోధకుడు
1:49 గ్రెగ్ బ్రాక్‌మన్‌కు ఒక హ్యాక్ గురించి చెప్పినప్పుడు టైమ్స్ పేవాల్‌ను దాటవేయడానికి, అధ్యక్షుడు OpenAI రెండు పదాలతో బదులిచ్చారు: ఆహ్ నైస్. ఇంజనీర్లు డేటా నుండి కాపీరైట్ నోటీసులను కూడా తొలగించారు, తద్వారా మోడల్ వాటిని అవుట్‌పుట్ చేయదు, అందుకే మీరు సైకిల్ నుండి సీరియల్ నంబర్‌ను ఫైల్ చేస్తారు. స్కేల్: మధ్య-శిక్షణ సెట్‌లలో మాత్రమే దావాలు వేసిన వారి కథనాల తొంభై ఒకటి వేలకు పైగా కాపీలు, మరియు ఒక Common Crawl స్లైస్‌లో రెండు మిలియన్ టైమ్స్ పేజీలు. ఇప్పుడు హెడ్‌లైన్ దాటవేసే భాగం. ఇప్పుడు హెడ్‌లైన్ దాటవేసే భాగం.
2:15 ప్రతి కోట్ టైమ్స్ బ్రీఫ్ నుండి వచ్చినది; ఎగ్జిబిట్‌లు ఇంకా సీల్ చేయబడ్డాయి, కాబట్టి మేము సందర్భం లేకుండా ప్రాసిక్యూషన్ యొక్క ముఖ్యాంశాలను చదువుతున్నాము. మరియు కోర్టులు ఎక్కువగా సరసమైన ఉపయోగం వైపు మొగ్గు చూపాయి: జడ్జి అల్‌సప్ గత సంవత్సరం తీర్పునిచ్చారు మీరు చెల్లించిన పుస్తకాలపై శిక్షణ ఇవ్వడం చట్టబద్ధమైనదని, Anthropic ఇప్పటికీ దొంగిలించిన ఏడు మిలియన్లకు ఒకటిన్నర బిలియన్లు చెల్లించినప్పటికీ. కాబట్టి చట్టపరమైన ప్రశ్న తెరిచే ఉంది. దీనిని నిర్మిస్తున్న ప్రజలు దీనిని దొంగతనం అని భావించారా అనేది, నిన్నటి నాటికి, కాదు.
2:41 ఇది గురువారం OpenAI యొక్క ఇతర ప్రారంభాన్ని ఒక సాహసోపేతమైన ఎంపికగా చేస్తుంది. Astra for Law GPT-6 Astra ను కలుపుతుంది, ఈ మోడల్‌ను నేను గత వారం 75 వేల లైన్‌ల శూన్యాన్ని ఉత్పత్తి చేసిన తర్వాత REVERT అని స్టాంప్ చేశాను, రెండు వందల ముప్పై మిలియన్ పేజీల లీగల్ సెర్చ్ ఇండెక్స్‌లో. Vals AI యొక్క లీగల్ రీసెర్చ్ బెంచ్‌మార్క్‌పై ఇది యాభై నాలుగు శాతం ప్రశ్నలకు సమాధానమిస్తుంది, సాధారణ వెబ్ సెర్చ్‌తో ముప్పై తొమ్మిది నుండి పెరిగింది, దీనిని OpenAI నలభై శాతం మెరుగుదల అని అంటుంది మరియు ఒక న్యాయవాది సగం సార్లు తప్పు అని అంటారు. బ్లాగ్ పోస్ట్ లో 'హల్లుసినేషన్' అనే పదం లేదు.
3:14 హ్యాకర్ న్యూస్ చేసింది: అది తనను తాను దావా వేయగలదా, ఇది, వారాన్ని బట్టి, మొదటి నిజమైన ఉపయోగ కేసు. ఈలోగా కార్మికుల దొంగతనం చర్చ మీ ల్యాప్‌టాప్‌ను చేరుకుంది. ferstar అనే డెవలపర్ తన ZCode ఫోల్డర్‌ను శుభ్రం చేశాడు, GLM మోడల్స్ కోసం Z.AI యొక్క క్లోజ్డ్ డెస్క్‌టాప్ ఏజెంట్, మరియు అతని వాణిజ్య వర్క్‌స్పేస్ యొక్క మూడు వందల ముప్పై మూడు మెగాబైట్ల గుప్తీకరించబడిన ఆర్కైవ్‌ను కనుగొన్నాడు: నలభై రెండు వేల ఫైళ్లు, అందులో ఎనభై ఏడు శాతం డాట్ గిట్ డైరెక్టరీ, లాగిన్ అయినప్పుడు మరియు ప్రతి ప్రాంప్ట్‌కు ముందు Alibaba యొక్క ఆబ్జెక్ట్ స్టోరేజ్‌కు పంపబడింది.
3:42 ఆర్కైవ్ సర్వర్ అందజేసిన పబ్లిక్ కీతో చుట్టబడి ఉంటుంది; ప్రైవేట్ కీ Z.AI యొక్క క్లౌడ్‌లో మాత్రమే ఉంటుంది, కాబట్టి మీ స్వంత డిస్క్‌లోని సైఫర్‌టెక్స్ట్ మీరు చదవడానికి వీలులేదు. అతని మాటలు: సర్వర్ మాత్రమే ఉపయోగించగల కీకి ఒకే ఒక ఉద్దేశ్యం ఉంది. Z.AI అనేది Anthropic క్లాడ్ ను డిస్టిల్ చేసిందని ఆరోపించిన సంస్థ కూడా, కాబట్టి వెయిట్స్ ఓపెన్‌గా ఉంటాయి మరియు మీ రెపో కూడా అలానే ఉంది. మరియు ఫన్నీది, మీరు OpenAI లో పనిచేయకపోతే. Hacktron libheif లో ఒక హీప్ ఓవర్‌ఫ్లోను కనుగొంది, క్రాఫ్టెడ్ చిత్రాన్ని
4:10 community.openai.com కు అప్‌లోడ్ చేసింది, ఫోరమ్‌లో కోడ్ ఎగ్జిక్యూషన్ పొందింది, మరియు GitHub ఇంటిగ్రేషన్ ద్వారా తప్పుగా కాన్ఫిగర్ చేయబడిన సింగిల్ సైన్-ఆన్‌ను ఉపయోగించి OpenAI యొక్క అంతర్గత రిపోజిటరీలలోకి, డెబ్భై రెండు గంటలలోపు ప్రవేశించింది. ఈ ఎక్స్‌ప్లాయిట్ క్లాడ్ ద్వారా వ్రాయబడింది: Opus 4.8 అడ్రస్ రాండమైజేషన్‌ను ఓడించలేకపోయింది, Opus 5 విడుదలైన మూడు గంటలలోపు దీన్ని చేసింది. మొత్తం ప్రచారానికి టోకెన్‌లలో మూడు వేల డాలర్ల లోపు ఖర్చయింది. OpenAI పద్నాలుగు గంటలలోపు ప్యాచ్ చేసి ఆరు వేల ఐదు వందల డాలర్లు చెల్లించింది, కాబట్టి ట్రిలియన్ డాలర్ల కంపెనీ సోర్స్ కోడ్,
4:39 సంక్షిప్తంగా, ఉపయోగించిన కరోలా ధరతో సమానంగా ఉంది, అదే రోజు దాని న్యాయవాదులు కాపీ చేయడం సరసమైన ఉపయోగం అని వాదించారు. నేను చెప్పడం వినడం కంటే దీన్ని చదవడానికి మీరు ఇష్టపడితే, డిఫ్ ప్రతి ఉదయం మీ ఇన్‌బాక్స్‌కు వస్తుంది — daily diff.dev లో ఉచితంగా, లింక్ కింద ఉంది. నేను చెప్పడం వినడం కంటే దీన్ని చదవడానికి మీరు ఇష్టపడితే, డిఫ్ ప్రతి ఉదయం మీ ఇన్‌బాక్స్‌కు వస్తుంది — daily diff.dev లో ఉచితంగా, లింక్ కింద ఉంది. కాబట్టి — ఈరోజు తీర్పు: NEEDS REVIEW. కోట్లు నిజమే, కానీ అవి సీల్ చేయబడిన ఎగ్జిబిట్‌ల నుండి ప్రాసిక్యూషన్ యొక్క ఎంపికలు, మరియు తీర్పునిచ్చిన ఒక న్యాయమూర్తి శిక్షణ సరసమైన ఉపయోగం అని మరియు పైరసీ కాదని అన్నారు. కోర్టు చట్టాన్ని నిర్ణయిస్తుంది; మెమో ఇప్పటికే నీతిని నిర్ణయించింది.
5:07 సబ్‌స్క్రైబ్ చేయండి, బెల్ నొక్కండి, మరియు మీరు దీన్ని వేరే విధంగా స్టాంప్ చేసి ఉంటే వ్యాఖ్యలలో నాకు చెప్పండి. మరియు ఇది ఈరోజుకు డిఫ్. నేను Axrisi నుండి Niko. బాధ్యతాయుతంగా విలీనం చేయండి.
మూలాలు
- TechCrunch: Microsoft exec called AI scraping 'the largest theft of labor in human history'techcrunch.com
- HN thread (605 pts)news.ycombinator.com
- Jason Kint on the unsealed motionsx.com
- Ed Newton-Rexx.com
- Bartz v. Anthropic / $1.5B settlement (background)en.wikipedia.org
- OpenAI: Introducing Astra for Lawopenai.com
- HN: Astra for Law (550 pts)news.ycombinator.com
- ferstar: ZCode silent workspace snapshot (original forensics)blog.ferstar.org
- tokenstead write-uptokenstead.ai
- ferstar on Xx.com
- HN: ZCode uploads your Git history (226 pts)news.ycombinator.com
- Hacktron: Hacking OpenAIwww.hacktron.ai
- HN: Hacktron (406 pts)news.ycombinator.com
