Đề xuất "Kiểm soát Trò chuyện" của Ủy ban EU nhằm thực hiện giám sát hàng loạt, có thể làm tổn hại đến quyền riêng tư và an ninh dữ liệu của công dân.
Nếu được thông qua, nó sẽ yêu cầu các nhà cung cấp dịch vụ quét tin nhắn để tìm tài liệu lạm dụng tình dục trẻ em (CSAM), nhưng những người chỉ trích cho rằng nó không hiệu quả đối với tội phạm và có hại cho nền dân chủ.
Threema, một dịch vụ liên lạc bảo mật, phản đối đề xuất này và có thể rời khỏi EU để tránh tuân thủ, nhấn mạnh khả năng lạm dụng và sự phản đối từ các nhà bảo vệ quyền riêng tư.
Việc triển khai một hệ thống toàn cầu để điều chỉnh quyền riêng tư trên internet sẽ gặp phải sự phản đối đáng kể từ các nhà bảo vệ quyền riêng tư và các công ty công nghệ.
Việc thực thi một hệ thống như vậy trên toàn cầu gần như là không thể do mức độ cam kết khác nhau đối với quyền riêng tư và tự do internet ở các quốc gia khác nhau.
Quy định Kiểm soát Trò chuyện dự thảo của Ủy ban EU nhằm chống lại bạo lực tình dục trẻ em nhưng lại gây ra những lo ngại đáng kể về các quyền cơ bản.
Những vấn đề chính được nêu bật bao gồm vi phạm quyền riêng tư, tác động tiêu cực đến tự do ngôn luận, nghĩa vụ lọc thông tin dễ mắc lỗi, chặn trang web và xác minh độ tuổi bắt buộc.
Theo GFF, các biện pháp này vi phạm Hiến chương về các quyền cơ bản của EU và kêu gọi xem xét lại dự thảo quy định.
Quốc hội Châu Âu đang tranh luận về một dự luật "Kiểm soát Trò chuyện" có thể vi phạm các quyền cơ bản, yêu cầu người dùng phải đồng ý để gửi hình ảnh và video.
Những người chỉ trích cho rằng đề xuất này mâu thuẫn với các nguyên tắc của GDPR của EU và có thể dẫn đến sự đồng ý bị ép buộc, gây lo ngại về quyền riêng tư và sự can thiệp quá mức của chính phủ.
Luật pháp có thể sớm được thông qua bởi Hội đồng Châu Âu, gây ra lo ngại về giám sát hàng loạt và đặt câu hỏi về cam kết của EU trong việc bảo vệ quyền cá nhân.
Ngày 20 tháng 6 năm 2024, Hội đồng EU sẽ bỏ phiếu về Kiểm soát Trò chuyện, liên quan đến việc tìm kiếm hàng loạt các thông tin liên lạc cá nhân.
Thời điểm bỏ phiếu, ngay sau cuộc bầu cử châu Âu, được coi là một nỗ lực để tránh sự giám sát của công chúng.
Các tổ chức xã hội dân sự được kêu gọi hành động ngay lập tức bằng cách liên hệ với chính phủ của họ, nâng cao nhận thức trực tuyến và tổ chức các cuộc biểu tình, vì bản dự thảo hiện tại được coi là không thể chấp nhận được.
Liên minh châu Âu đang chuẩn bị phê duyệt "Kiểm soát Trò chuyện," một quy định yêu cầu quét tất cả các tin nhắn trực tiếp trên các nền tảng như Reddit, Twitter, Discord và Steam để tìm CSAM (tài liệu lạm dụng tình dục trẻ em).
Những người chỉ trích cho rằng biện pháp này là chưa từng có tiền lệ và có khả năng không hiệu quả, vì những người vi phạm có thể chuyển sang các dịch vụ tư nhân, và nó làm dấy lên những lo ngại đáng kể về quyền riêng tư và sự lạm quyền.
Signal Foundation đã thông báo rằng họ sẽ rời khỏi EU nếu quy định này được thực thi, nhấn mạnh tính chất gây tranh cãi của đề xuất này.
htmx 2.0.0 đã được phát hành, kết thúc hỗ trợ cho Internet Explorer và thắt chặt một số mặc định mà không thay đổi chức năng cốt lõi hoặc API.
Những thay đổi lớn bao gồm di chuyển các phần mở rộng sang một kho lưu trữ mới, loại bỏ các thuộc tính không còn được sử dụng, và sửa đổi cách xử lý yêu cầu HTTP DELETE.
Phiên bản phát hành sẽ không được đánh dấu là mới nhất trên NPM cho đến ngày 1 tháng 1 năm 2025, để tránh việc buộc phải nâng cấp; phiên bản 1.x sẽ vẫn là mới nhất cho đến lúc đó.
Htmx 2.0.0 đã được phát hành, với các cải tiến và loại bỏ hỗ trợ cho Internet Explorer (IE), thay vì các tính năng mới quan trọng.
Nhà phát triển đang khen ngợi htmx vì đã đơn giản hóa việc phát triển web, với một người dùng thay thế 500 dòng JavaScript (JS) bằng một vài thuộc tính htmx, nâng cao hiệu quả và sự thích thú.
Việc phát hành đã khơi dậy các cuộc thảo luận về những cải tiến tiềm năng và so sánh với các công cụ khác, nhấn mạnh vai trò của htmx trong việc giảm sự phụ thuộc vào các khung JS phức tạp.
Scarecrow là một công cụ an ninh mạng hiện đang trong giai đoạn alpha, được thiết kế để chạy ngầm trên máy tính của bạn nhằm ngăn chặn virus và phần mềm độc hại.
Phần mềm này có sẵn để tải xuống trên Windows 10 và 11.
Cyber Scarecrow là một công cụ tạo ra các tiến trình và mục nhập registry giả để đánh lừa phần mềm độc hại, khiến nó nghĩ rằng đang bị phân tích, từ đó ngăn chặn nó thực thi.
Người dùng đã bày tỏ lo ngại về tính minh bạch của công cụ, bao gồm việc thiếu trang "về chúng tôi", liên kết GitHub và chứng chỉ ký mã.
Người tác giả đã thừa nhận những vấn đề này, đề cập đến chi phí cao của các chứng chỉ, và có những đề xuất để làm cho công cụ này trở thành mã nguồn mở nhằm xây dựng niềm tin và xác thực hiệu quả của nó thông qua thử nghiệm thực tế.
Fandom, một trang web wiki phổ biến, bị chỉ trích vì các quảng cáo xâm nhập, bao gồm video tự động phát và các gián đoạn liên tục, ưu tiên lợi nhuận hơn trải nghiệm người dùng.
Vào năm 2023, Fandom gây tranh cãi khi thay thế nội dung do người dùng tạo ra bằng quảng cáo Grimace Shake của McDonald's, dẫn đến việc hàng loạt wiki di cư sang các tên miền độc lập như Runescape, Minecraft và Hollow Knight.
Người dùng được khuyến khích hỗ trợ các wiki độc lập bằng cách sử dụng các công cụ như Indie Wiki Buddy, sử dụng trình chặn quảng cáo và di chuyển các wiki của họ ra khỏi Fandom.
Những cộng đồng đang di chuyển các trang wiki của họ từ Fandom sang các nền tảng tự lưu trữ hoặc thay thế do quảng cáo xâm nhập và nội dung lỗi thời.
Những ví dụ đáng chú ý bao gồm các trang wiki của Runescape và Minecraft, đã chuyển đổi thành công khỏi Fandom.
Những công cụ như Indie Wiki Buddy và LibRedirect giúp người dùng tránh Fandom bằng cách chuyển hướng họ đến các nguồn thân thiện hơn với người dùng, nhấn mạnh những tác động tiêu cực của vốn đầu tư mạo hiểm lên các nền tảng nội dung do người dùng điều khiển.
Việc Ryan đạt được 50% trên bộ đánh giá công khai Arc-AGI với GPT-4o được coi là mới mẻ và thú vị trong lĩnh vực nghiên cứu 'LLM reasoning'.
Phương pháp này bao gồm việc tạo ra khoảng 8.000 chương trình Python để thực hiện các biến đổi, chọn chương trình đúng, và áp dụng nó vào các đầu vào thử nghiệm, thể hiện sự kết hợp giữa học sâu (DL) và tổng hợp chương trình.
Trong khi kết quả đầy hứa hẹn, nó dựa trên bộ đánh giá công khai, và các kết quả tương tự trên bộ riêng tư vẫn chưa được xác nhận, cho thấy cần phải xem xét và xác minh thêm.
DeepComputing đã giới thiệu một bo mạch chủ RISC-V mới cho Framework Laptop 13, trang bị bộ vi xử lý JH7110 từ StarFive với bốn lõi U74 RISC-V từ SiFive.
Phát triển này nâng cao hệ sinh thái Framework bằng cách cho phép người dùng lựa chọn các kiến trúc bộ xử lý khác nhau, thúc đẩy tính linh hoạt và cá nhân hóa.
Mainboard, nhắm đến các nhà phát triển và người đam mê, sẽ được trình diễn tại Hội nghị Thượng đỉnh RISC-V Châu Âu và được hỗ trợ bởi sự hợp tác với Canonical và Red Hat để đảm bảo khả năng tương thích mạnh mẽ với Linux.
DeepComputing đã ra mắt một bo mạch chủ RISC-V mới cho laptop Framework, với bộ vi xử lý JH7110 và lưu trữ microSD, giống như một máy tính bo mạch đơn RISC-V (SBC) trong hình dạng của Framework.
Bo mạch chủ nhắm đến các nhà phát triển và người đam mê, cung cấp tính mô-đun và khả năng hoán đổi giữa các bo mạch x86 và RISC-V, mặc dù nó đi kèm với sự giảm hiệu suất đáng kể so với x86.
Việc hợp tác này giữa Framework và DeepComputing được xem là một bước đi nhằm đa dạng hóa và mở rộng hệ sinh thái của Framework, tăng cường sự hiện diện cho công nghệ RISC-V.
Sam Altman, cựu chủ tịch và CEO của Y Combinator, tuyên bố là chủ tịch hội đồng quản trị của nó trong các hồ sơ SPAC (Công ty Mua lại Mục đích Đặc biệt).
Y Combinator phủ nhận tuyên bố của Altman, khẳng định rằng ông chưa bao giờ nằm trong ban giám đốc của công ty mặc dù ông có vai trò quan trọng trong công ty.
Sam Altman, cựu CEO và Chủ tịch của Y Combinator (YC), đã bị liệt kê không chính xác là chủ tịch của YC trong nhiều tài liệu chính thức, bao gồm các hồ sơ SEC và một trang web SPAC.
Thông tin sai lệch đã gây ra tranh luận, với một số người cho rằng đó chỉ là một lỗi hành chính nhỏ trong khi những người khác nhấn mạnh đến các hệ quả pháp lý của những sai sót trong hồ sơ nộp cho SEC.
Những người chỉ trích nhấn mạnh rằng những sai sót như vậy, nếu có chủ ý, có thể được coi là gây hiểu lầm và làm suy giảm niềm tin, mặc dù việc chứng minh ý định và thiệt hại vật chất là phức tạp.
Những nhà nghiên cứu từ Đại học Bang Arizona cho rằng con người bắt đầu tích lũy nhanh chóng kiến thức công nghệ thông qua học tập xã hội khoảng 600.000 năm trước, đánh dấu sự khởi đầu của văn hóa tích lũy.
Cuộc nghiên cứu, được công bố trên Kỷ yếu của Viện Hàn lâm Khoa học Quốc gia, đã phân tích các kỹ thuật chế tạo công cụ bằng đá trong suốt 3,3 triệu năm, ghi nhận sự gia tăng đáng kể về độ phức tạp khoảng 600.000 năm trước.
Thời kỳ này, có khả năng vào kỷ Pleistocen giữa, cũng chứng kiến những tiến bộ như việc sử dụng lửa có kiểm soát và xây dựng các cấu trúc bằng gỗ, cho thấy văn hóa tích lũy đã có từ trước khi người Neanderthal và người hiện đại tách ra.
Con người bắt đầu thu thập kiến thức công nghệ khoảng 600.000 năm trước, với nhiều loài Homo có thể đã chia sẻ và trao đổi công nghệ.
Thuật ngữ "con người" có thể ch ỉ cả con người hiện đại và toàn bộ chi Homo, nhưng "hominin" thì chính xác hơn; có những tranh luận về việc liệu người Neanderthal và Denisovan có được coi là con người hay không.
Việc tích lũy kiến thức nhanh chóng có liên quan đến những tiến bộ trong giao tiếp, có thể bao gồm các hình thức ngôn ngữ sơ khai, nhấn mạnh vai trò của ngôn ngữ trong việc chuyển giao công nghệ.
Tokencost là một thư viện tiện ích được thiết kế để ước tính chi phí liên quan đến các Mô hình Ngôn ngữ Lớn (LLMs) bằng cách đếm số lượng token trong các lời nhắc và phần hoàn thành, sau đó áp dụng giá cụ thể của từng mô hình.
Giải quyết thách thức theo dõi chi phí qua các mô hình và kế hoạch giá khác nhau, giúp người dùng tránh các hóa đơn bất ngờ bằng cách cung cấp ước tính chi phí theo thời gian thực.
Được phát triển bởi AgentOps, Tokencost hiện đã là mã nguồn mở, cho phép các nhà phát triển tích hợp nó vào các dự án của họ để quản lý chi phí tốt hơn.
Tokencost là một thư viện tiện ích được thiết kế để ước tính chi phí cho hơn 400 Mô hình Ngôn ngữ Lớn (LLMs) bằng cách đếm số lượng token trong các lời nhắc và kết quả hoàn thành, sau đó nhân với chi phí của mô hình.
Được phát triển bởi AgentOps và mã nguồn mở, nó giúp các nhà phát triển theo dõi chi tiêu và tránh các hóa đơn bất ngờ, sử dụng một từ điển chi phí đơn giản và các hàm tiện ích.
Người dùng đã đề xuất các cải tiến như thêm hỗ trợ cho Rust, chuẩn hóa chi phí, và bao gồm chi phí cho hình ảnh và cuộc gọi hàm, mặc dù có những lo ngại về độ chính xác đối với các mô hình không có bộ phân tích cú pháp công khai.
Vào tháng 4 năm 2024, hai lỗi nghiêm trọng đã được báo cáo trong blockchain lớp-1 của Sei Network, ảnh hưởng đến tính khả dụng và tính toàn vẹn của chuỗi.
Quỹ Sei đã trao $75,000 và $2,000,000 cho các báo cáo lỗi tương ứng, những lỗi này đã được xác định và sửa chữa trước khi phát hành sản phẩm, đảm bảo không có quỹ nào gặp rủi ro.
Những biện pháp chủ động và phản ứng nhanh chóng của Quỹ Sei đã ngăn chặn nguy cơ tiềm ẩn đối với vốn hóa thị trường của token Sei, thể hiện cam kết mạnh mẽ đối với việc bảo vệ người dùng.
Sei Network đã chi trả một khoản tiền thưởng lỗi trị giá 2 triệu đô la, nhấn mạnh các động lực tài chính đáng kể trong lĩnh vực tiền điện tử cho việc phát hiện các lỗ hổng bảo mật.
Chương trình săn lỗi đã được xử lý thông qua Immunefi, một nền tảng chuyên về các chương trình săn lỗi tiền điện tử, thường có các khoản thanh toán vượt quá 1 triệu đô la.
Khoản thanh toán này nhấn mạnh tầm quan trọng then chốt của an ninh trong ngành công nghiệp tiền điện tử, nơi mà chi phí của các vi phạm tiềm ẩn có thể là rất lớn so với tài chính truyền thống.
Google DeepMind đang chuyển từ một phòng thí nghiệm nghiên cứu sang một nhà máy sản xuất sản phẩm AI, làm dấy lên các cuộc tranh luận về những thách thức và cạm bẫy tiềm ẩn của sự chuyển đổi này.
Những nhà phê bình cho rằng việc tích hợp các đội ngũ sản phẩm giàu kinh nghiệm từ Google với nghiên cứu của DeepMind có thể hiệu quả hơn so với việc chuyển đổi tổ chức nghiên cứu này thành một thực thể tập trung vào sản phẩm.
Những mối lo ngại bao gồm tác động đến nghiên cứu cơ bản và rủi ro sản xuất ra các sản phẩm vội vàng, chưa phát triển đầy đủ, mặc dù một số người tin rằng sự thay đổi này có thể dẫn đến những tiến bộ đáng kể trong các sản phẩm AI.
Đoạn viết đề cập đến thách thức trong việc thu được đầu ra có cấu trúc, chẳng hạn như JSON, từ các Mô hình Ngôn ngữ Lớn (LLMs), vốn thường trả về các phản hồi bằng ngôn ngữ tự nhiên.
Đoạn văn cung cấp một so sánh chi tiết về các khung công tác khác nhau được thiết kế để chuyển đổi đầu ra của LLM thành các định dạng có cấu trúc, đánh giá chúng dựa trên các tiêu chí như hỗ trợ ngôn ngữ, xử lý JSON, kiểm soát gợi ý và các nhà cung cấp mô hình được hỗ trợ.
Những khung so sánh bao gồm BAML, Instructor, TypeChat, Marvin, Outlines, Guidance, LMQL, JSONformer, Firebase Genkit, SGLang, và lm-format-enforcer, mỗi khung đều có các tính năng và khả năng độc đáo để xử lý việc trích xuất dữ liệu có cấu trúc.
Bài viết của BAML khám phá các phương pháp để thu được đầu ra có cấu trúc từ các Mô hình Ngôn ngữ Lớn (LLMs), nhấn mạnh cách tiếp cận phân tích cú pháp độc đáo của BAML để xử lý JSON bị lỗi.
BAML cung cấp cả các tính năng mã nguồn mở và tính phí, với các tùy chọn tính phí tập trung vào việc giám sát và nâng cao các quy trình AI.
Bài báo so sánh các khung công tác khác nhau và thảo luận về những thách thức và sự đánh đổi trong việc thực thi đầu ra có cấu trúc, lưu ý rằng một số người du ̀ng thích các phương pháp đơn giản hơn như Pydantic để xác thực JSON.
Những kỹ sư phần mềm có nhiều mục tiêu chồng chéo và đôi khi mâu thuẫn, chẳng hạn như viết mã, quản lý độ phức tạp và đáp ứng nhu cầu của khách hàng.
Độ phức tạp thiết yếu là đặc trưng của vấn đề, trong khi độ phức tạp ngẫu nhiên phát sinh từ các vấn đề về hiệu suất hoặc công cụ không tối ưu; việc giảm cả hai là rất quan trọng.
Những kỹ sư cao cấp có thể tái định nghĩa các vấn đề bằng cách thách thức các giả định và đàm phán với các bên liên quan, có thể đơn giản hóa các yêu cầu và giảm thiểu sự phức tạp.
Đôi khi các kỹ sư phần mềm chấp nhận sự phức tạp để biện minh cho vai trò của họ, như thấy trong các cộng đồng như Enterprise Java, .NET, và JavaScript (JS).
Trong bài viết, tác giả hài hước nhắc đến sự châm biếm về ngôn ngữ lập trình C++ của Stroustrup để làm nổi b ật sự phức tạp có chủ đích trong các ngôn ngữ lập trình.
Điều đó lập luận rằng việc giảm thiểu sự phức tạp là rất quan trọng đối với kỹ thuật tốt, cân bằng các quyết định ngắn hạn và dài hạn, và đảm bảo tính nhất quán để tránh các phức tạp không cần thiết.