死神埃博拉是地球上死亡率最高的瘟疫,截至2014年12月中旬,埃博拉病毒感染人数逾1.8万,超过6915人死亡。面对这一全球性威胁,12月22日,腾讯QQ、腾讯公益、联合国世界粮食计划署和中国扶贫基金会在北京召开“手护生命,抗击埃博拉”的新闻发布会,一同发起抗击埃博拉的公益行动。腾讯公司副总裁、QQ负责人殷宇,联合国世界粮食计划署中国区代表Brett Rierson,中国扶贫基金会副会长江绍高,腾讯公益慈善基金会助理秘书长刘琴,吉尼斯世界纪录有限公司大中华区总裁Rowan Simons均出席了会议。
腾讯公司副总裁殷宇表示:埃博拉的肆虐对非洲影响巨大,全球化使得地区问题迅速变为全球问题。作为互联网公司,腾讯的平台凝集着超过8亿QQ活跃用户,我们将聚集每个人的爱心力量,一同帮助非洲人民渡过难关。
“手护生命,抗击埃博拉,QQ在行动”公益行动启动仪式
手护生命,8亿QQ用户集结爱心挑战吉尼斯世界纪录™称号
“自埃博拉疫情爆发以来,联合国世界粮食计划署一直在西非国家开展区域紧急援助行动,为疫区人民分发粮食,防止一场医疗危机演变成一场粮食危机。”联合国世界粮食计划署中国区代表 Brett Rierson介绍,“腾讯QQ与联合国世界粮食计划署的的合作希望通过互联网的力量提升社会的关注度、参与度,扩大公益的力量。”
“在非洲,来自我们的一点点捐款就能起到很大作用”,中国扶贫基金会副会长江绍高表示,“3元就能为1名受埃博拉疫情影响的儿童或家人提供1天营养食物;21元就能为1名受埃博拉疫情影响的儿童或其家人提供1周营养食物;100元能为1名受埃博拉疫情影响的儿童或家人提供1个月营养食物。”
此次“手护生命,抗击埃博拉,QQ在行动”的公益行动,是集结超过8亿QQ用户的爱心,通过手机QQ钱包发起公益捐款,所有筹集的金额将通过联合国世界粮食计划署购买粮食发放到受埃博拉疫情影响的儿童及其家庭。参与此次爱心捐助行动的QQ用户,将与QQ一同发起挑战吉尼斯世界纪录™称号,也就是在2014年12月22日-12月31日,任意24小时内,如果捐款次数超过10万次,将可打破吉尼斯世界纪录™“24小时内单一网上平台最多次个人捐款”称号;如一周内捐款次数超过50万次,将打破吉尼斯世界纪录™“一个周内单一网上平台最多次个人捐款”称号。
QQ引领互联网公益慈善
此次超过8亿QQ用户用爱心集结正能量,挑战吉尼斯世界纪录™称号,“也是腾讯公益一直以来倡导将互联网与公益慈善事业深度融合,通过互联网领域的技术、传播优势,缔造‘人人可公益,民众齐参与’的公益2.0模式的呈现”,腾讯公益慈善基金会助理秘书长刘琴表示。
传统的公益慈善,公众参与起来并不方便。互联网时代到来之后,每一个人、每一个机构都可能成为互联网上的一个节点,被有机的链接起来,这让公益变得随时随地触手可及。
QQ作为中国最大的即时通讯及社交平台,将每一个人和每一次的事件连接在一起;在每一次灾难发生时,QQ都是爱心传递速度最快、覆盖面最广的平台。在QQ、QQ群、兴趣部落上,每天都有很多用户自发组织起来关注公益,这是一种热情而蓬勃的萌芽力量。手机QQ钱包则是为QQ用户提供了方便直接的捐助渠道,一个爱心行为只需要通过手机QQ钱包的几次点击便可以完成,甚至分享传递出去。
对于致力于深度融合互联网和公益慈善事业的腾讯QQ来说,这次“手护生命,抗击埃博拉”的公益行动,正是利用网络和移动互联网的力量,让公益和民众互动起来,大众成为公益主角又一次实践。
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。