91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

DocuSign擬用用戶合同數(shù)據(jù)訓練AI,引爭議

微云疏影 ? 來源:綜合整理 ? 作者:綜合整理 ? 2024-03-04 15:45 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

據(jù)悉,DocuSign電子合約簽約平臺近期發(fā)布公告,表示將運用顧客提交的各類合同數(shù)據(jù)來訓練內(nèi)部模型。然而,迅速引發(fā)了公眾關(guān)于涉及敏感信息泄露的高度擔憂。

據(jù)了解,DocuSign計劃借助微軟Azure上的OpenAI工具,如GPT技術(shù),以訓練其所謂的“撰寫協(xié)議”模型,并且從用戶提供的大量數(shù)據(jù)中,訓練出專屬的人工智能(AI)模型,但這部分數(shù)據(jù)并無公開之意。

對此,DocuSign發(fā)言人向PCMag明確表態(tài),只有在得到用戶許可的情況下才會使用合同數(shù)據(jù)進行AI訓練;同時承諾對用戶數(shù)據(jù)進行匿名化處理。

值得注意的是,DocuSign未詳細公布獲取用戶許可的具體方式以及保留這些數(shù)據(jù)的時限。因此,我們將對這一系列問題保持密切關(guān)注。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1817

    文章

    50098

    瀏覽量

    265436
  • GPT
    GPT
    +關(guān)注

    關(guān)注

    0

    文章

    368

    瀏覽量

    16880
  • OpenAI
    +關(guān)注

    關(guān)注

    9

    文章

    1245

    瀏覽量

    10079
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    數(shù)據(jù)傳輸拖慢訓練?三維一體調(diào)度讓AI任務(wù)提速40%

    作為AI開發(fā)者,你是否無數(shù)次陷入這樣的困境:訓練千億參數(shù)大模型,數(shù)據(jù)傳輸占了總耗時的60%,GPU空轉(zhuǎn)等待如同“帶薪摸魚”;跨地域調(diào)用算力,公網(wǎng)帶寬瓶頸讓TB級數(shù)據(jù)集傳輸動輒耗時數(shù)天;
    的頭像 發(fā)表于 01-26 14:20 ?135次閱讀

    一文看懂AI訓練、推理與訓推一體的底層關(guān)系

    (Inference)。它們就像“學霸的高考備考”和“考試當天的答題表現(xiàn)”,缺一不可。1、什么是AI訓練(Training)?通過大量數(shù)據(jù)訓練模型參數(shù),使其具備特定
    的頭像 發(fā)表于 09-19 11:58 ?2426次閱讀
    一文看懂<b class='flag-5'>AI</b><b class='flag-5'>訓練</b>、推理與訓推一體的底層關(guān)系

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+AI芯片到AGI芯片

    和計算成本。 核心: MoE模型利用稀疏性驅(qū)動結(jié)構(gòu),通過包含多個專家網(wǎng)絡(luò)的稀疏MoE層替換密集層,其中每個專家致力于特定的訓練數(shù)據(jù)或任務(wù)的子集,并且一個可訓練的門控機制動態(tài)地將輸入標記分配給這些專家,從而
    發(fā)表于 09-18 15:31

    模板驅(qū)動 無需訓練數(shù)據(jù) SmartDP解決小樣本AI算法模型開發(fā)難題

    算法作為軟實力,其水平直接影響著目標檢測識別的能力。兩年前,慧視光電推出了零基礎(chǔ)的基于yolo系列算法架構(gòu)的AI算法開發(fā)平臺SpeedDP,此平臺能夠通過數(shù)據(jù)驅(qū)動模型訓練,實現(xiàn)算法從0到1的開發(fā)
    的頭像 發(fā)表于 09-09 17:57 ?1406次閱讀
    模板驅(qū)動  無需<b class='flag-5'>訓練</b><b class='flag-5'>數(shù)據(jù)</b>  SmartDP解決小樣本<b class='flag-5'>AI</b>算法模型開發(fā)難題

    睿海光電以高效交付與廣泛兼容助力AI數(shù)據(jù)中心800G光模塊升級

    引領(lǐng)AI時代網(wǎng)絡(luò)變革:睿海光電的核心競爭力 在AI時代,數(shù)據(jù)中心正經(jīng)歷從傳統(tǒng)架構(gòu)向AI工廠與AI云的轉(zhuǎn)型。
    發(fā)表于 08-13 19:01

    ai_cube訓練模型最后部署失敗是什么原因?

    ai_cube訓練模型最后部署失敗是什么原因?文件保存路徑里也沒有中文 查看AICube/AI_Cube.log,看看報什么錯?
    發(fā)表于 07-30 08:15

    嵌入式AI技術(shù)漫談:怎么為訓練AI模型采集樣本數(shù)據(jù)

    多少數(shù)據(jù),才能形成合適的樣本集,進而開始訓練模型呢? 此時,回答“按需提供”或者“先試試看”似乎會變成一句車轱轆話,看似回答了問題,但客戶還是無從下手。 AI數(shù)據(jù)樣本的三個原則 這里,
    的頭像 發(fā)表于 06-11 16:30 ?1388次閱讀

    海思SD3403邊緣計算AI數(shù)據(jù)訓練概述

    AI數(shù)據(jù)訓練:基于用戶特定應(yīng)用場景,用戶采集照片或視頻,通過AI
    發(fā)表于 04-28 11:11

    Deepseek海思SD3403邊緣計算AI產(chǎn)品系統(tǒng)

    海思SD3403邊緣計算AI框架,提供了一套開放式AI訓練產(chǎn)品工具包,解決客戶低成本AI系統(tǒng),針對差異化AI 應(yīng)用場景,自己采集樣本
    發(fā)表于 04-28 11:05

    首創(chuàng)開源架構(gòu),天璣AI開發(fā)套件讓端側(cè)AI模型接入得心應(yīng)手

    猛增50倍,將訓練時間從一整天縮短至半小時。更快的端側(cè)LoRA訓練,讓端側(cè)AI基于用戶端側(cè)數(shù)據(jù)提升個性化體驗,讓終端成為更懂
    發(fā)表于 04-13 19:52

    適用于數(shù)據(jù)中心和AI時代的800G網(wǎng)絡(luò)

    和性能隔離能力,以保障不同用戶任務(wù)互不干擾。 分布式AI計算與網(wǎng)絡(luò)架構(gòu)設(shè)計 分布式計算已成為AI訓練的主流方式,通過將工作負載分配到多個GPU節(jié)點并行處理,以加速模型
    發(fā)表于 03-25 17:35

    利用RAKsmart服務(wù)器托管AI模型訓練的優(yōu)勢

    AI模型訓練需要強大的計算資源、高效的存儲和穩(wěn)定的網(wǎng)絡(luò)支持,這對服務(wù)器的性能提出了較高要求。而RAKsmart服務(wù)器憑借其核心優(yōu)勢,成為托管AI模型訓練的理想選擇。下面,
    的頭像 發(fā)表于 03-18 10:08 ?697次閱讀

    自動化標注技術(shù)推動AI數(shù)據(jù)訓練革新

    結(jié)果的高準確率,相對純?nèi)斯俗⑿士商嵘?0%以上,為用戶提供更性價比的數(shù)據(jù)方案和服務(wù)。本文將就自動化標注平臺是什么以及為AI數(shù)據(jù)訓練帶來哪
    的頭像 發(fā)表于 03-14 16:46 ?1361次閱讀

    標貝自動化數(shù)據(jù)標注平臺推動AI數(shù)據(jù)訓練革新

    結(jié)果的高準確率,相對純?nèi)斯俗⑿士商嵘?0%以上,為用戶提供更性價比的數(shù)據(jù)方案和服務(wù)。本文將就自動化標注平臺是什么以及為AI數(shù)據(jù)訓練帶來哪
    的頭像 發(fā)表于 03-14 16:42 ?1652次閱讀
    標貝自動化<b class='flag-5'>數(shù)據(jù)</b>標注平臺推動<b class='flag-5'>AI</b><b class='flag-5'>數(shù)據(jù)</b><b class='flag-5'>訓練</b>革新

    訓練好的ai模型導入cubemx不成功怎么處理?

    訓練好的ai模型導入cubemx不成功咋辦,試了好幾個模型壓縮了也不行,ram占用過大,有無解決方案?
    發(fā)表于 03-11 07:18