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
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。