日前,《福布斯》网站遭到了黑客组织叙利亚电子军的攻击,超过100万用户的电子邮件和密码被盗。黑客在盗取用户数据的同时,还在网站上发布了虚假信息。
黑客表示,之所以攻击《福布斯》网站,是因为该网站发表的一些文章内容“非常直白的、公然的透露出对叙利亚的仇恨”。
周五,福布斯在Facebook上承认其网站和一些发布平台遭到了黑客攻击,并称一些电子邮件地址可能 已经暴露,但密码加密、未受影响。不过,福布斯警告读者和投稿者,作为预防措施,应及时更改密码。福布斯在警告安全信息中称:
“Forbes.com网站遭到了数字攻击,而且我们的出版发行平台也遭到了攻击。用户的电子邮件地址可能已经暴露。密码加密、未受影响,但作为一项预防措施,我们强烈敦促《福布斯》读者和作者更给在我们系统上的密码,如果在其他网站上使用了相同的密码,敦促他们一并改之。我们已经通知了执法部分。我们将非常认真地对待这件事情,并向受到影响的社区成员道歉。”
除了盗取用户名外,叙利亚电子军在福布斯网站上发表了一篇题为“叙利亚电子军队入侵”的文章,随后不久该文章被撤下,似乎看不到此次攻击跟叙利亚电子军有关。
近来,叙利亚电子军成为积极、活跃的黑客组织。在去年,该组织曾侵入了Viber的数据库,而且曾对汤森路透、Onion以及BBC的Twitter账号发起攻击。而在今年早期,该组织还贸然闯进了微软的Twitter账户。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。