TXT, Taxa Token

Meta 涨近 2%，股价逼近历史高点 542.81 美元。据外媒报道，Meta 推出全新网络爬虫程序 Meta-External Agent 和 Meta-External Fetcher，用于收集互联网数据以训练其 AI 模型，该程序可绕过 robots.txt 规则，从而无限制地获取数据。（BusinessInsider）

6 月 24 日消息，据路透社上周六报道，专注于「内容许可」领域的初创公司 TollBit 近日向新闻出版商发出警告称，多家人工智能公司正在规避出版商用来阻止抓取内容的常见网络标准，并将抓取的内容用于训练生成式 AI 系统。 这一消息是在 AI 搜索初创公司 Perplexity 与媒体《福布斯》之间就同一网络标准公开争执的背景下发出的。Tollbit 将自己定位为内容匮乏的 AI 公司与愿意与他们达成重大许可协议的出版商之间的「媒人」。 自称代表 2000 多家美国出版商的贸易组织「新闻媒体联盟」也对这一行为表示担忧——AI 公司对出版商设置的「禁止抓取」机制或「robots.txt」等工具置若罔闻。该组织主席 Danielle Coffey 表示，「如果 AI 公司无法停止大规模抓取的话，我们就无法通过有价值的内容获利，也无法为记者们支付报酬。」（IT之家）

6 月 20 日，腾讯旗下 AI 大模型应用「腾讯元宝」进一步升级 AI 搜索及解析能力。 最新版本的腾讯元宝可支持单文档最长 1000 万字的超长文处理，能够一次性解析最多 50 个文件（单个文件大小不超过 100MB），支持上传和解析包括 pdf、doc、txt、xlsx、pptx 在内的多种文件格式，并可基于解析内容，一键生成多种数据图表。 不仅如此，它还能解析 URL 网址和各类链接，并对多个链接内容进行总结与对比分析。同时，腾讯元宝增加了对 png、jpg、jpeg、webp、bmp 和 heic 等多种图片格式的识别解析。 此外，腾讯元宝通过 AI 搜索增强，接入了微信搜索、搜狗搜索等搜索引擎。（腾讯科技）

PANews 10月18日消息，据Techcrunch报道，OpenAI现已正式通过必应浏览器将网络搜索引入ChatGPT，此前，该功能以测试版的形式引入后仅三周便被撤下，因实时网络的管理方式与静态训练数据集不同，有被滥用的风险，再次上线的该功能目前承诺遵守网站所有者在其Robots.txt文件中所说的任何内容，类似于传统的网络爬虫。现在，所有Plus和Enterprise订阅者都可以正式使用必应浏览功能，无需在设置中切换Beta版开关。 此外，OpenAI还将其绘画大模型DALL-E 3转换为测试版，DALL-E 3与ChatGPT集成，这意味着用户在要求DALL-E创建图像时不必仔细考虑文本提示。通过将DALL-E 3直接嵌入到ChatGPT中，用户现在将能够接收图像作为其基于文本的查询的一部分，而无需在两个应用程序之间切换。DALL-E 3现已在网络和移动设备上提供测试版，用户可以通过从ChatGPT内的GPT-4内选择“DALL-E 3（测试版）”来激活该功能。

据 TechCrunch 9 月 29 日报道，Medium 宣布将封杀 OpenAI 用于抓取网页内容，并训练该公司人工智能模型的代理程序 GPTBot。Medium 首席执行官 Tony Stubblebine 表示，“我并不讨厌人工智能，但我也想直言不讳地指出，目前的生成式人工智能对互联网并没有什么好处。它们在没有征得你同意的情况下，利用你的写作赚钱，也没有为你提供补偿……人工智能公司从作家身上榨取了价值，以便向互联网读者发送垃圾邮件。” 此前 CNN、《纽约时报》和许多其他媒体将 GPTBot 列入其 robots.txt 的黑名单。

据 IT 之家 9 月 29 日报道，随着 OpenAI 的 ChatGPT、微软的 Bing Chat 和谷歌 Bard 等生成式 AI 服务越来越多地用作搜索引擎的替代品，它们也遇到了一些个人和公司的抵制，这些网站开发者不希望他们的网站数据被用于 AI 模型训练。 谷歌今日宣布了一种新方法，网站开发者可以选择允许其 Bard 和 Vertex AI 服务访问其内容，或者选择不用于训练这些 API 模型。谷歌在一篇博客中宣布推出 Google-Extended，这是一种新控件，网站开发在可以使用它来管理其网站是否帮助 Bard 和 Vertex AI。 网站目前可以通过 robots.txt 提供拒绝被爬虫的名单，谷歌认为所有 AI 模型提供商也都应该提供这种类似的透明度和控制方法。然而，随着 AI 应用的扩展，网站将面临大规模管理不同用途的日益复杂性。谷歌表示将尽快分享更多信息。