跳到正文

#政策/监管

今日 4 条
7月2日周四
  1. MIT News · AI12

    MIT 校长:AI 时代仍需好奇心驱动的研究与伦理教育

    MIT 校长 Sally Kornbluth 在《华盛顿邮报》活动上警告,缺乏联邦对好奇心驱动研究的支持可能让美国创新与人才管道枯竭。她表示 MIT 新课程在强化 STEM 基础的同时,重新重视道德、公民与伦理教育,并强调学生应把 AI 当作增强工具、学会写正确的提示词。她还提到 MIT 已衍生出超 3 万家公司,并推出面向父母收入低于 20 万美元学生的免学费项目。

6月19日周五
6月17日周三
5月16日周六
2月17日周二
12月11日周四
3月19日周三
12月2日周一
9月29日周五
  1. Hugging Face Blog16

    Hugging Face 伦理与社会通讯 #5:Hugging Face 走进华盛顿与 2023 夏季随想

    Hugging Face 发布伦理与社会通讯 #5,回顾 2023 夏季在 E.U.、U.K.、U.S. 的 AI 监管参与,包括 CEO Clem 向美国国会作证、在美国参议院 AI Insight Forum 发言,以及对 E.U. AI Act 和 NTIA AI 问责制的建议。团队还发布 IDEFICS 多模态模型并对其开展偏见与危害测试,同时公开多项负责任生成式 AI 教程、论文与资源。

7月24日周一
6月20日周二
  1. Hugging Face Blog20

    Hugging Face 就美国 NTIA 的 AI 问责政策提交回应意见

    Hugging Face 于 6 月 12 日向美国商务部 NTIA 的 AI 问责政策意见征集提交回应,强调文档与透明度规范在推动 AI 问责中的作用。其建议问责机制应覆盖机器学习开发全流程、结合内部要求与外部访问透明,并吸纳开发者、多学科研究社区、倡导组织、政策制定者和记者等最广泛的参与者。

6月15日周四
  1. Hugging Face Blog20

    Hugging Face 发布全新内容准则与政策

    Hugging Face 更新了平台 Content Policy,并发布配套博客说明其制定理念。新政策将「同意」(consent)列为核心价值,重点关注用户所见内容以及人们身份与表达方式在平台上的呈现;同时禁止针对用户及 HF 员工的攻击性或骚扰性言论,鼓励在 Community Tab 中公开协作解决冲突。

5月15日周一
  1. Hugging Face Blog26

    Hugging Face 入选法国数据保护机构 CNIL 强化支持计划

    Hugging Face 被法国数据保护机构 CNIL 选入其强化支持计划,该计划从 40 多个候选企业中挑出三家"具备强劲经济发展潜力"的公司,提供数据保护义务理解与落实方面的支持。Hugging Face 表示,其主办的 BigScience 大语言模型训练项目首次将隐私置于核心位置,近期与 ServiceNow 合办的 BigCode 项目也投入资源应对隐私风险并开发假名化工具。

3月2日周四
  1. Hugging Face Blog22

    Hugging Face 发布 Diffusers 库伦理准则

    Hugging Face 为 Diffusers 库发布了一套伦理框架,用于指导维护者处理社区贡献时的技术决策。该准则明确了透明、一致性、简洁、无障碍、可复现与责任等价值观,并列举了社区讨论区、"Not For All Eyes"标签、Stable Diffusion 偏见探索 Space、Safe Stable Diffusion、Hub 分阶段发布及 OpenRAILs 许可等安全机制。

8月31日周三
  1. Hugging Face Blog42

    OpenRAIL:面向开放且负责任 AI 的许可框架

    Hugging Face 支持的 RAIL Initiative 推出 OpenRAIL 系列许可证,允许免版税访问、下游使用与再分发 AI 模型及其衍生物,同时嵌入针对特定关键场景的使用限制条款。该框架借鉴 BigScience、开源与 Creative Commons 模式,主张现有开源许可证(如 Apache 2.0)不适配机器学习模型的技术特性,无法约束模型的负责任使用。

8月1日周一
  1. Hugging Face Blog15

    Hugging Face 就美国 NAIRR 中期报告提交反馈建议

    Hugging Face 于 2022 年 6 月向美国白宫 OSTP 与 NSF 提交了对 NAIRR 中期报告的回应,支持其推进 AI 研究资源建设。其建议包括:任命技术与伦理专家担任顾问、采用 Model Cards 等模型与数据文档标准、通过 AutoTrain 等低代码工具让非技术专家也能训练模型,并为高滥用风险的开源研究建立监测与 Responsible AI Licenses 机制。