ZDNET网络频道 04月14日 编译:一个由美国运营巨头AT&T与Verizon牵头的电信游说团体已经再次提出诉讼,认为FCC的网络中立性规则与法律法规存在抵触。
这部分规则要求对互联网接入服务供应商实行更为严格的监控举措,并已经于本周一被公布在了联邦法律条文当中,作为最后一步,这意味着各厂商需要将其作为法律加以遵循。
针对这一状况,电信游说团体USTelecom立即发布了一份长度为两页的投诉文件,其中将这些规则描述为“反复无常、武断专制,完全是在对裁量权进行滥用”,并要求华盛顿特区法院拒绝执行相关条文,理由是FCC方面并没有遵循正确的法律制定规程。
不过实际情况是,这份文件仅仅是为了暂时阻断相关规则为华盛顿方面所接受而作出的一种挣扎,而且FCC此前公布的规则就已经受到了来自USTelecom成员Verizon公司的百般阻挠。如果不是在法律层面受到质疑,当初的规则本该在一个月后就开始正式实施——具体而言,应该是在六月十二号。
不过法律层面的质疑一定会出现——而且事实上,USTelecom与德克萨斯州互联网服务供应商Alamo Broadband此前也都曾经针对后续规则制定事务提起投诉。
换句话来说,电信行业的律师们将很快将相关规则提升至立法高度,这意味着已经被拖延了多年的网络中立性规则将最终成为必须遵守的法律要求。
在一次新闻发布会上,UStelecom主席Walter McCormick在发言中指出:“面对着FCC开放互联网要求的合法性挑战,USTelecom认为FCC在实现网络中立性标准过程中采取了错误的方法,其禁令内容包含大量整个业界支持且融入到日常业务实践中的各类机制。”
“我们的呼吁重点并不在于向由该组织主席提出的目标发起挑战,而是希望破除这些不合理的强制要求——即将过去十几年来运营商们习以为常的、面向客户的宽带拓展及服务演进体系彻底打破,事实上轻微监管才是最理想的方式。”
他同时宣称,这部分规则的出台会降低相关厂商的创新速度与基础设施投入规模,从而给客户带来更为高昂的使用成本。
就在FCC上个月通过了这套相关激进的规则方案之前,他们已经花了将近一年时间用于游说各方并努力拉拢其支持。
电信行业最初承诺其将根据较为宽松的法律条款对互联网访问请求进行重新分类,但人们担心这会导致企业及部分客户在访问特定内容类型时有可能遭受访问速率的差别性控制。
不过在经历了由互联网企业组织的一次大规模反对活动之后,加上总统奥巴马的亲自干预,FCC改变了既定态度、开始走向更为严格的立法道路,旨在将互联网访问与传统电话业务相关法律联系在一起。在这种情况下,FCC将有能力接收反而意见,并积极预防电信厂商以交易方式对互联网内容进行分类及交付。
如此一来,各电信企业自然群情激愤,大有一同去见官的抵触情绪,而法律纠纷还仅仅是双方矛盾的初始体现。
尽管网络中立性规则已经被很多人视为普通互联网用户的一场重大胜利,但实际上其主要受益者应该是谷歌以及Netflix等在对抗前任电信巨头运营策略时借此占据上风的厂商,这部分老牌企业包括AT&T、Verizon以及其它来自电信及有线电视行业的公司及机构。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。