Recientemente, la plataforma de redes sociales Bluesky sufrió un importante incidente de extracción de datos. Daniel van Strien, un bibliotecario de aprendizaje automático, extrajo más de un millón de publicaciones públicas de usuarios a través de la API de Bluesky y subió los datos a la empresa de IA Hugging Face. Este conjunto de datos incluye los identificadores descentralizados de los usuarios (DID) y una serie de funciones que permiten buscar contenido de usuarios específicos. Van

En el Foro principal de ciencia de vanguardia WAIC 2024, el equipo de OpenDataLab, la base de datos de modelos grandes del Laboratorio de IA de Shanghai (Laboratorio de IA de Shanghai), lanzó una nueva herramienta de extracción de datos inteligente llamada MinerU. Esta herramienta tiene como objetivo simplificar el flujo de trabajo de procesamiento de datos de IA y ayudar a los investigadores de IA a extraer datos de alta calidad de una gran cantidad de documentos.

BiShen ZuoWen y Xueersi han llegado a un acuerdo en el caso de robo de datos de modelos grandes, y BiShen ZuoWen ha decidido no presentar una demanda contra Xueersi. Tras una investigación y comunicación exhaustivas, ambas partes han aclarado los malentendidos y continuarán colaborando. Este caso, el primero en su tipo por robo de datos de modelos grandes, tiene un impacto significativo en la seguridad de datos en el sector educativo.