
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。