先日、OpenAIは、アラビア語、ドイツ語、スワヒリ語、ベンガル語、ヨルバ語など14言語におけるAIのパフォーマンスを評価することを目的とした、重要な多言語データセットを発表しました。 「多言語大規模多タスク言語理解」（MMMLU）と名付けられたこのデータセットは、オープンデータプラットフォームHugging Faceで公開され、OpenAIによる世界的なAI分野における新たな重要な進歩を示しています。データセットへのアクセス：https://huggingface

LAIONは、CSAM（児童性的虐待素材）へのリンクを包括的に削除した世界初のAIトレーニングデータセットであるRe-LAION-5Bを発表しました。これは、児童性的虐待素材の問題に対処することを目的としています。このデータセットはLAION-5Bを大幅に改良したもので、Re-LAION-5B ResearchとResearch-Safeの2つのバージョンがあり、合計2236個のCSAMリンクが削除されています。そのうち1008個は児童保護団体のリストに掲載されていたものです。このデータセットは、テキストと画像のペアを55億個含んでおり、…

MITやCohere for AIなどの機関の研究者らが協力し、Data Provenance Platformを発表、AIデータの透明性問題を解決します。広く使用されている2000以上のファインチューニング済みデータセットを監査・追跡し、データの透明性の重要性を強調しています。データセットのトレーサビリティ不足は、データ漏洩、個人情報の暴露、バイアス、法的リスクにつながる可能性があります。Data Provenance Platformは、AIデータの透明性を高め、データセットの質と倫理的なコンプライアンスを向上させることを期待されています。