北京時間 8 月 21 日，近日，Meta 悄悄地發(fā)布了一款新的網(wǎng)絡(luò)爬蟲，用于搜索互聯(lián)網(wǎng)并收集大量數(shù)據(jù)，為其人工智能模型提供支持。
據(jù)三家追蹤網(wǎng)絡(luò)抓取器的公司稱，Meta 新網(wǎng)絡(luò)爬蟲機器人 Meta External Agent 于上月推出，類似于 OpenAI 的 GPTBot，可以抓取網(wǎng)絡(luò)上的人工智能訓練數(shù)據(jù)，例如新聞文章中的文本或在線討論組中的對話。
根據(jù)使用檔案歷史記錄顯示，Meta 確實在 7 月底更新了一個面向開發(fā)者的公司網(wǎng)站，其中一個標簽顯示了新爬蟲的存在，但 Meta 至今還沒有公開宣布其新爬蟲機器人。
Meta 的 Llama 是最大的 llm 之一，雖然該公司沒有透露最新版本的模型 Llama 3 使用的訓練數(shù)據(jù)，但其初始版本的模型使用了由 Common Crawl 等其他來源收集的大型數(shù)據(jù)集。
今年早些時候，Meta 的聯(lián)合創(chuàng)始人、首席執(zhí)行官馬克?扎克伯格 (Mark Zuckerberg) 在一次財報電話會議上曾吹噓說，公司的社交平臺已經(jīng)積累了一套用于人工智能訓練的數(shù)據(jù)集，甚至“超過了 Common Crawl”。
新爬蟲的存在表明 Meta 龐大的數(shù)據(jù)庫可能已經(jīng)不夠用了，因為該公司繼續(xù)致力于更新 Llama 和擴展 Meta AI，通常需要新的和高質(zhì)量的培訓數(shù)據(jù)來不斷改進功能。
來自 Dark Visitors 的數(shù)據(jù)顯示，全球近 25% 的最受歡迎的網(wǎng)站現(xiàn)在已屏蔽了 GPTBot，但只有 2% 的網(wǎng)站屏蔽了 Meta 的新爬蟲機器人。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。