数据采集
科技互联网
AI爬虫持续冲击Linux内核代码库基础设施
git.kernel.org运维团队报告，用于训练大语言模型的AI爬虫对该网站造成了严重的资源压力。这些爬虫采用低效的HTML渲染方式大量采集提交历史数据，导致基础设施不堪重负。虽然Anubis挑战机制已阻止66%的爬虫访问，但另外33%的爬虫已经学会破解该防护措施，继续对系统发起请求。
社会民生
职场监控技术扩展，专家建议员工了解自身权益
美国职场监控技术在疫情期间广泛普及后持续增长，雇主通过位置追踪、任务完成率监测和通讯记录等手段对员工进行监视。范德比尔特大学、东北大学和加州伯克利大学的调查发现，常见的职场监控程序与数百家外部数据经纪公司和科技公司共享了员工个人数据，但未能充分披露这一做法。人工智能和数据科学的应用使雇主能够建立详细的员工数据档案，其…
科技人工智能
比「算力荒」更致命，「数据荒」正在带来灾难？
具身智能行业正面临一场数据危机。与大语言模型可从互联网海量获取文本数据不同，具身智能需要千万至亿小时级别的真实物理交互数据才能获得通用泛化能力，但全球可用的高质量物理交互数据总量仅约50万小时，缺口超过99%。这一瓶颈已成为制约行业发展的核心障碍，促使企业探索多条技术路线来解决数据积累难题。