
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
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。