皮尤研究中心(Pew Research)周三发布的一份最新报告显示,73%的成年网民称他们亲眼目睹过有人在网上遭遇攻击、骚扰,而40%的受访者则称:他们有过在网上被骚扰的亲身经历。
皮尤报告里所指的“骚扰”,包括在网络上或社交应用被对方冠以无礼貌称呼、威胁或跟踪等。皮尤这项调查在2849多名18至50岁的成年人中在展开,是首份量化关于在线骚扰的调查报告。
调查显示,在18至24岁的年轻人当中,70%的用户很可能都经历过某种形式的在线骚扰,而且该年龄段的女性所遭受的网络骚扰比例“奇高”,其中四分之一受访者曾遭受过在线跟踪或性骚扰。
皮尤披露此项调查报告时机,正值一个特别敏感时刻。此前,加拿大视频游戏评论家安妮塔·萨克伊西恩(Anita Sarkeesian)因关注游戏内男女平等问题而招致谩骂、攻击,在个人信息被泄露后,她收到了多个死亡威胁,直至被迫离家出走。此外,在本月,游戏开发者布丽安娜·吴(Brianna Wu)因在网络游戏中发布厌女症相关意见,收到了强奸和死亡威胁,从而被迫离家躲难。
皮尤报告还发现,遭受网络骚扰的男性网民比例高于女性,分别为44%和37%。但报告称,女性所遭受的网络骚扰更为严重,其中一些骚扰充斥色情、暴力威胁、跟踪或持续的谩骂等等。而男性更多的是遭受无礼貌称呼或被人给以难堪。
此外调查发现,在曾遭受网络骚扰的用户中,一半用户称他们不知道攻击者是谁。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。