针对央视《新闻直播间》曝光“只要在苹果手机上使用软件、用户使用软件的时间地点都会被记录下来,甚至可以影响到整个国家经济形势乃至国家秘密”报道,苹果公司日前作出回应,称苹果手机的数据搜集功能所采集的数据仅存在单个设备本身,苹果公司不会攫取这些数据,而且苹果公司从未与任何政府机构在其产品上创建“后门”。
苹果针对CCTV报道作出及时回应,显然是为了安抚中国政府和中国市场用户,苹果CEO蒂姆·库克(Tim Cook)曾多次重申,中国市场是苹果公司继美国之后的第二大最重要市场。
在官方支持网站发表的一份声明中,苹果阐述了iPhone手机“常去地点”(Frequent Locations)功能的特点:“你的iPhone手机将追踪你最近经常光顾的一些地方,以及到这些地方的具体时间,目的是了解一些对你来说非常重要的位置信息。这些数据将仅仅保存在你的设备,不会未经同意发送给苹果公司。它将被用来向你提供个性化服务,比如预测交通线路。”
苹果在声明中强调,用户可以选择关闭该功能,并一再重申数据被保存在个人设备上而非苹果公司。“客户想要并期待我们的移动设备能够快速、可靠地确定当前位置,从而开展特定活动,比如购物、旅行,或者寻找最近的餐馆,或计算上班时间等等。从设备层面我们做到了这一点。苹果不追踪用户的位置——苹果从未这么做,也不打算这么做。”
苹果声明补充道,“‘常去地点’的位置数据只是存储在客户的iOS设备上,它们不会保存到iTunes或iCloud,而且这些数据是经过加密的。苹果不会获取或知晓用户的常去地点,这一功能可以通过隐私设置为‘关闭’状态。”
苹果最后在该声明中称,“苹果公司从未与任何国家的任何政府机构进行合作,试图在我们的任何产品或服务中创建‘后门’程序。我们也决不允许访问我们的服务器。并且永远也不会。对于苹果来说,这些是必需严格恪守的信条。”
苹果声明全文:
你的位置隐私
苹果非常注重致力于保护我们所有客户的隐私。从最早期的设计阶段开始,隐私保护就根植于我们的产品和服务。我们不懈努力工作,目的是为全球用户提供最安全的硬件和软件产品。不像其他许多公司那样,我们的业务并不依赖于收集我们大量客户的个人数据。我们郑重承诺,给予我们的客户清晰而透明的提示以及选择和控制信息,我们相信,苹果的产品以简洁明了的方式做到这一点。
我们非常感谢CCTV的努力,帮助我们对这一我们认为非常重要的话题向客户提供科普。我们要确保所有的中国用户能够清晰地了解:在涉及隐私和个人数据信息时,苹果做了哪些以及未作哪些。
“我们的客户想要并期待我们的移动设备能够快速、可靠地确定当前位置,从而开展特定活动,比如购物、旅行,或者寻找最近的餐馆,或计算上班时间等等。从设备层面我们做到了这一点。苹果不追踪用户的位置——苹果从未这么做,也不打算这么做。”
计算一个电话的位置,仅用GPS卫星数据的话可能需要几分钟时间,而iPhone通过预先储存的WLAN热点位置和信号发射塔位置数据,并结合当前正在接收的WLAN热点位置和信号发射塔信息,可将时间缩短至几秒钟。为实现该目标,苹果通过运行一个安全可靠的众包数据库,其中包含了通过数百万苹果设备所收集的发射塔和WLAN热点位置信息。但重点需要指出的是,在此收集过程中,苹果设备并未发送或传输与任一特定设备或定用户相关的数据。
苹果允许用户在所有苹果设备上控制定位数据的收集和使用。用户必须自主选择启用 “定位服务”,该功能不是默认设置。苹果不允许任何应用,在未预先弹出提示、并征得用户明确同意情况下,就擅自接收设备的定位信息。而且这一提示是强制性的,无法覆盖。如果用户改变主意,可通过简单切换“开启/关闭” 按钮,随时推出某一应用、服务的“定位服务”功能。当用户将某一应用或服务的定位功能切换成“关闭” 状态时,它就会停止收集数据。家长还可以使用“访问限制” 功能,以阻止孩子使用“定位服务”。
用户在使用iPhone了解交通状况时,iOS可以搜集到“常去地点”数据,并在“通知中心”的“今天”视图中显示交通信息,并在CarPlay中为你展示iOS自动规划线路。但“常去地点”信息仅存储在个人的iOS设备上,而且经过加密处理;它不会保存到iTunes或iCloud。苹果从不获取或了解某个用户的“常去地点”信息。这一功能可以通过隐私设置为‘关闭’状态。
苹果在任何时候都不会通过任一用户的iPhone手机去获取其“常去地点”或其定位服务数据缓存。我们通过用户密码对缓存进行了加密,避免了任何应用对其进行访问。为使用户获得更大透明度权益,用户成功输入个人密码后,能够看到其设备所收集的数据。一旦设备锁定、在未输入密码情况下,任何人无法查看这些信息。
正如此前我们曾经所说过的那样,苹果公司从未与任何国家的任何政府机构进行合作,试图在我们的任何产品或服务中创建‘后门’程序。我们也决不允许访问我们的服务器。并且永远也不会。对于苹果来说,这些是必需严格恪守的信条。”
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。