Rumah Peranti teknologi AI 31 pekerja penghantaran latihan ChatGPT dipecat selepas gagal memenuhi jangkaan

31 pekerja penghantaran latihan ChatGPT dipecat selepas gagal memenuhi jangkaan

May 08, 2023 pm 05:06 PM
AI

31 pekerja penghantaran latihan ChatGPT dipecat selepas gagal memenuhi jangkaan

Pada 23 April, menurut laporan orang dalam dan dokumen komunikasi dalaman, lebih daripada 30 pekerja penghantaran yang membantu melatih model bahasa di belakang chatbot ChatGPT yang popular telah dipecat pada Mac tahun ini.

Tangkapan skrin sembang Slack dalaman menunjukkan bahawa setakat 16 Mac, syarikat penyumberan luar yang berpangkalan di San Francisco Invisible Technologies memberhentikan 31 pekerja penghantaran. Walau bagaimanapun, OpenAI terus mengambil pekerja di seluruh syarikatnya.

Tangkapan skrin juga menunjukkan bahawa ratusan pekerja penghantaran dari Invisible Technologies, yang dikenali sebagai "jurulatih data kecerdasan buatan lanjutan", sedang bekerjasama dengan OpenAI untuk membantu mereka melatih bot sembang GPTnya. Jurulatih data AI syarikat bertanggungjawab untuk meningkatkan kemahiran pengekodan model, meningkatkan kebolehan penulisan kreatif mereka, atau melatih mereka untuk menolak untuk bertindak balas terhadap topik tertentu, kata seorang pekerja penghantaran. Pekerja penghantaran meminta untuk kekal tanpa nama kerana perjanjian kerahsiaan, tetapi sumber mengesahkan identiti dan pekerjaannya.

Naib Presiden Operasi Invisible Technologies Kamron Palizban membincangkan pemberhentian pekerja pada mesyuarat semua pihak pada bulan Mac. Beliau berkata dalam rakaman mesyuarat yang bocor bahawa OpenAI berharap dapat mengurangkan bilangan pekerja penghantaran berikutan perubahan dalam keperluan perniagaan. Parizban juga berkata pada mesyuarat itu bahawa ramai pekerja penghantaran yang diberhentikan bekerja pada projek yang tidak memberikan pulangan pelaburan yang cukup tinggi untuk OpenAI.

OpenAI secara drastik mengurangkan bilangan pekerja penghantaran

Hubungan Invisible Technologies dengan OpenAI memberikan gambaran sekilas tentang latihan data pembuat ChatGPT. Untuk sebahagian besar, OpenAI telah merahsiakan latihan ini.

Pelarasan kontrak OpenAI dengan Invisible Technologies berikutan laporan bahawa yang pertama telah meningkatkan jumlah pekerjanya selama enam bulan berturut-turut. Orang yang biasa dengan perkara itu berkata bahawa setakat Januari tahun ini, OpenAI telah mengupah hampir 1,000 pekerja penghantaran anotasi data di Eropah Timur dan Amerika Latin.

Hanya dua bulan sebelum Invisible Technologies memberhentikan pekerja, Microsoft baru sahaja menyuntik $10 bilion ke dalam OpenAI. Tetapi Invisible Technologies bukanlah satu-satunya syarikat penyumberan luar yang bekerja dengan OpenAI.

Siasatan oleh majalah Time menunjukkan bahawa pada Februari 2022, Sama, sebuah syarikat penyumberan luar yang juga berpangkalan di San Francisco, mengetahui bahawa pekerja pelabelan datanya di Kenya menapis kandungan berbahaya seperti penderaan seksual, ucapan benci dan keganasan. Kemudian, perkongsian dengan OpenAI telah ditamatkan.

Dalam satu kenyataan kepada TIME, seorang jurucakap OpenAI menjelaskan: “Mengklasifikasikan dan menapis teks dan imej yang berbahaya mengurangkan jumlah kandungan ganas dan lucah yang terkandung dalam data latihan ke tahap yang paling rendah yang mungkin dan membantu mencipta alat yang boleh mengesan kandungan berbahaya ”

Tugas jurulatih AI

Menurut menghantar pekerja di Invisible Technologies , tanggungjawab paling asas jurulatih AI termasuk menyemak perbualan antara AI dan penggunanya untuk mengenal pasti mesej yang berpotensi menyalahi undang-undang, invasif privasi, menyinggung perasaan atau penuh ralat. Pekerja penghantaran yang ditemu bual menggambarkan kehidupan harian mereka seperti berikut:

Selepas memulakan syif, mereka mula-mula membuka penyemak imbas kerja dalaman dan melihat senarai tugas pasukan. Mereka mungkin mengklik pada tugas seperti "Adakan perbualan tentang topik rawak semasa menyemak imbas dilumpuhkan," dan kemudian masukkan pertanyaan dalam kotak mesej.

Selepas menyerahkan pertanyaan, model OpenAI akan menjana empat respons. Pekerja penghantaran menilai setiap respons dengan membuka menu lungsur dan memilih jenis ralat yang ada, seperti ralat fakta, ralat ejaan atau tatabahasa, atau gangguan. Pekerja penghantaran kemudian menilai tahap keterukan ralat pada skala satu hingga tujuh, dengan tujuh mewakili jawapan "pada dasarnya sempurna".

Seterusnya, pekerja penghantaran mesti menghasilkan respons yang sempurna dan menyerahkannya untuk menyelesaikan tugas. Pekerja penghantaran berkata keputusan akan dihantar kepada pemeriksa kualiti di OpenAI dan Invisible Technologies. Proses ini perlu diulang untuk setiap tugasan berikutnya.

Camren Parizban, Naib Presiden Operasi di Invisible Technologies, berkata mengenai OpenAI semasa mesyuarat itu: “Mereka berada pada tahap di mana mereka akan mendapat lebih jelas tentang ke mana mereka pergi > Grace Maelich, rakan kongsi dan pengurus operasi di Invisible Technologies, berkata dalam mesyuarat yang direkodkan bahawa syarikat itu mengasaskan pemecatannya pada metrik prestasi seperti "kualiti" dan "proses" tugasan yang telah disiapkan.

Mattledge berkata bahawa pekerja penghantaran yang berprestasi rendah dan mereka yang diambil bekerja tetapi tidak "memenuhi ambang pensijilan" telah dipecat, walaupun ada yang diberi pilihan untuk berpindah ke pasukan OpenAI yang berbeza. Dia juga berkata: "Jika anda masih di sini hari ini, saya mahu anda tahu bahawa ia adalah kerana saya percaya pada keupayaan anda untuk melakukan tugas anda dengan baik."

Atas ialah kandungan terperinci 31 pekerja penghantaran latihan ChatGPT dipecat selepas gagal memenuhi jangkaan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Akan R.E.P.O. Ada Crossplay?
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

See all articles