苹果iPhone在中国受到指责,中国官方媒体声称iPhone是一个国家安全威胁。
中国中央电视台(CCTV)于本周五报道称,iPhone的“常去地点”功能对中国国家安全构成了一个潜在的威胁。据路透社报道,接受央视采访的研究人员表示,如果这些数据被获取,那么该功能所采集的数据有可能会揭示中国整个国家的经济状况,“甚至是国家机密”。
苹果iOS 7操作系统为iPhone引入了这项“常去地点”功能,隐私权倡导者已将其归为一个潜在的隐私安全问题。默认情况下,该功能将允许苹果追踪用户持有iPhone的地理位置,并最终提供定位信息。不过,iPhone用户可以在其设备的隐私设置中关闭“常去地点”功能。
在最近几年中,中国和美国一直在打一场已不那么秘密的网络战。虽然长期以来,定位功能一直是隐私权倡导者所担心的一个问题,但中国报道称这些功能正是一些证据,表明美国公司正在与美国政府监视中国的项目进行合作。
虽然尚未得到证实,但央视的这项报导有可能是对美国官员于当地时间本周四所报道内容的反击。美国官员周四报道称,有中国黑客闯入了美国计算机网络,而该计算机网络储存着美国联邦雇员的个人信息。为回应美国对中国网络间谍的指控,中国常常会将矛头指向美国的科技公司。苹果、思科、谷歌、IBM和微软正是被卷入这场网络战的几家美国科技公司。
尽管如此,苹果应该不怎么乐意在这次央视报道中被提及。苹果公司首席执行官蒂姆·库克(Tim Cook)一直表示,中国是苹果的第二大重要市场。苹果与中国移动通信公司在去年年底宣布的合作,意味着苹果在中国的市场份额可能会迅速扩大。中国官方媒体在其增长势头上浇下的这盆水或将令苹果非常担忧。
CNET已联系苹果对此予以置评。
好文章,需要你的鼓励
这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。
复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。
斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。
这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。