| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

新聞資訊

論壇

溫哥華地產

大溫餐館點評

溫哥華汽車

溫哥華教育

黃頁/二手

旅游

華為: 華為AI陷抄襲門 模型開發人員曝內幕 聲明不自殺

QR Code
請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
中國高科技公司華為最近發布的AI大模型“盤古”,被研究團隊HonestAGI指控與阿裡巴巴的AI模型Qwen-2.5 14B 模型高度相似。日前,更有自稱其內部員工者發文,大曝華為抄襲阿裡的內幕,並發聲明“不自殺”,在中國業界引起很大震動。


華為公司近日深陷AI抄襲的丑聞。繼被研究團隊HonestAGI公開揭露其盤古大模型在結構上與阿裡巴巴的AI大模型“通義千問”(Qwen-2.5 14B)高度相似後,本周日(7月6日)又有一名自稱華為盤古AI開發團隊成員者,在Github上匿名發表6000多字的長文,大曝盤古大模型研發過程中遭遇的挫折,及多次“套殼”抄襲阿裡千問和Deepseek的內幕,並嚴詞抨擊華為內部“劣幣驅逐良幣”的爭斗。此文發表後,瞬間在互聯網上被刷屏。

這篇題為《盤古之殤:華為諾亞盤古大模型研發歷程的心酸與黑暗》的長文表示,自己身為華為諾亞方舟實驗室的員工,參與了盤古大模型的開發工作。如今面對互聯網上關於盤古大模型涉嫌抄襲千問的討論,“夜夜輪換反側,難以入眠”,一方面為自己過去的工作付出感到不值,另一方面在內心又感到“大快人心”。經過內心的糾結後,決定把自己在參與研發過程中的所見所聞公布出來。


長文披露,當初華為在開發AI大模型盤古時,由於內部爭斗嚴重而進展緩慢。眼看與國內競爭對手之間的差距越來越大,內部的質疑聲和來自上級領導的壓力也越來越大,團隊的研發工作一度陷入了“絕境”。

在這種情況下,實驗室主任王雲鶴出手,套殼抄襲競爭對手的大模型技術,在極短時間內就將各項指標平均提升了10個點左右。文中表示,由於華為是“外行人領導內行人”,所以高管們對於這種套殼抄襲的事情“沒有概念”,還以為是開發團隊有了什麼“算法創新”。

據該文爆料,華為的盤古大模型,曾先後分多次套殼阿裡的千問及Deepseek等競爭對手的AI產品。其文表示,自己是真心希望華為能認真吸取教訓,能做好盤古。但華為為的內部斗爭激烈,導致該公司在短時間內流失了優秀的大模型人才。

談到抄襲的問題,文章直言,“自己做的模型就像自己孩子一樣熟悉,不要把別人都當傻子”,在被抄襲者看來,“就像自家兒子出門一趟,回來一個別人家孩子”。


最後,這位爆料人還特意聲明“不自殺”。他在文章末尾寫道:“寫了這麼多,某些人一定想把我找出來,抹殺掉。公司搞不好也想讓我噤聲乃至追責。如果真的這樣,我,甚至我的家人的人身乃至生命安全可能都會受到威脅。”

爆料人表示,為了自我保護,近期自己每天都會公開向大家報平安,“如果我消失了,就當是我為了真理和理想,為了華為乃至中國能夠更好地發展算力和AI而犧牲了吧”。

這篇文章一出,立即引起轟動,將近幾日互聯網上關於“盤古大模型”涉嫌抄襲阿裡巴巴AI大模型的話題,推向了新的高潮。


此前,華為在年 6 月 30 日正式對外推出了開源盤古7B參數的稠密模型與盤古Pro MoE 72B混合專家模型,並公開其基於昇騰芯片的模型推論技術。

隨後,研究團隊“HonestAGI”就於7月4日在軟件代碼托管平台GitHub上發表了一份技術分析報告,指控華為的“盤古”大模型的結構其與阿裡巴巴的通義千問“Qwen-2.5 14B”模型高度相似,相關系數高達0.927,遠高於業界0.7的標准。

其後,華為公開作出回應,否認該公司開發盤古大模型存在抄襲,承認有部分基礎組件代碼“參考了業界開源實踐”,但強調涉及其他開源的部分代碼“遵循了開源許可證的要求”雲雲。

然而,互聯網上對於華為涉嫌抄襲競爭對手的質疑,並未因華為的這番說辭而平息。在前述自稱華為開發團隊成員發文曝光其內部秘辛後,相關的討論更迅速升溫。
點個贊吧!您的鼓勵讓我們進步     這條新聞還沒有人評論喔,等著您的高見呢
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0366 秒 and 3 DB Queries in 0.0010 秒