AI 与机器学习2022arxiv.org
统计分析显示 Echo 处理语音以投放广告
Statistical Analysis shows Echos process voice to serve ads
入门 · 约 45 分钟读完前置知识：基础统计学、广告定向机制
导读
这篇论文通过统计分析研究 Amazon Echo/Alexa 是否在监听用户语音并用于广告定向。结果显示，使用某些技能（如健身类技能）后，Amazon 会推送相关广告，但这一关联主要出现在技能使用场景中，是否为核心语音服务直接向广告商共享数据仍存争议。
HN 关注点：“智能音箱是否偷听并用于广告”这一隐私疑虑，而讨论焦点很快转向论文方法是否足以支撑这一强结论。
HN 评论精选
这几条评论里：质疑 2 补充 2
质疑论文缺少排除技能因素的对照实验，结论可能归因错误
我觉得这篇论文有缺陷，缺少一个关键实验。所有结果似乎都依赖于技能的使用。确实，Amazon 需要像 Apple 那样要求用户同意才能在技能中追踪用户。但要得出“Amazon 与广告商共享数据”的结论，我期望一个排除技能因素的实验：让测试者只与 Alexa 核心服务交互。如果仅通过购物或常识问答就能推断出大量广告定向信息，但不用技能时这些信息并不影响广告，那就不一定是 Amazon 直接共享数据，而是技能借助 Amazon 提供的工具做到的。至少在我看来，这两者对“公司有多邪恶”的判断是有区别的。
doubtfuluser查看英文原文
I have the feeling, that the paper is flawed and missing an important experiment. All their results seem to rely on skills being used. There is indeed a need then for Amazon to prevent user tracking in skills (like for example Apple does and requires consent by the user). But to come to the conclusion that Amazon shares the data with advertisers I would have expected an experiment with eliminating skills as a reason and just having personas interact with Alexa core services. I guess just from shopping questions or general knowledge questions a lot of information for ad targeting could be inferred. If that’s however not influencing ads served when no skills are used, then it’s not necessarily Amazon directly sharing the information, but the skills being able to do so using Amazons provided tooling. That’s a difference at least for my interpretation how “evil” company xyz is.
质疑论文结论被标题夸大，实际只是技能安装与广告的相关性
论文实际展示的更像是“如果你安装了健身技能，Amazon 就给你推健身广告”，但这个说法没那么吸引眼球，我猜。
malf查看英文原文
Paper seems to actually show things like “If you install the Fitness skill, Amazon shows you fitness ads”, but that’s less sexy, I guess.
补充希望把该方法推广到手机，验证日常谈话是否影响广告
我非常想看到同样的方法用在放在房间里的 iPhone 或 Android 手机上。我一直感觉自己的谈话内容后来影响了广告，但从来不知道是随机的还是真的。
abricq查看英文原文
I would be SUPER interested to see this same methodology applied to an iPhone or an Android phone resting in a room. I've already had the feeling that discussions that I had, later had an impact on my ads, but never knew if it was random or not.
补充真正的问题是缺乏隐私友好的替代品，抵制也无济于事
问题不在于缺乏认知，而在于缺乏替代品。你能说出一个普通人能买到、安装并使用的保护隐私的智能家居助手吗？市场理论说人们会用钱包投票，所以我抵制所有这类产品。但我不抱幻想我的行为能改变什么——用钱包投票只有在有人愿意提供你想要的东西时才有效。
fxtentacle查看英文原文
The problem isn't the lack of knowledge. The problem is lack of alternatives. Name a single privacy preserving smart home assistant that the average person can buy, install, and use. Market theory says people will vote with their wallet, which is why I boycott all of them. But I'm under no delusion that my behavior will change anything. Voting with your wallet only works if someone is willing to offer what you want.
历次讨论
- 2022Hacker News 讨论帖318 分 · 118 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选