2月28日消息,美国专车公司Uber周五宣布,该公司的数据库曾在去年遭遇第三方入侵,可能导致该公司的5万名司机信息被盗。Uber表示,被盗的只有司机的姓名和驾驶证编号。
Uber在声明中称,这些司机都是其移动专车网络中的成员,该公司已经向其发送了相关通知。另外,Uber也将采取法律手段搜集与此次泄密相关的信息。
Uber表示,去年5月公司的一处数据库出现泄露,随后,Uber立即限制了对该数据库的访问。目前还没有接到关于泄露的信息被滥用的报告。
Uber将向受影响的司机免费提供为期一年的Experian身份保护会员服务。Uber表示,该公司的网络中有着数十万名司机,而这一事故只对其中的很少一部分造成了影响。
据悉,Uber已遭到很多地区监管者的质疑,这些监管者都希望进一步了解Uber的司机是否拥有合法的执照和必备的保险。迫于压力,Uber本周同意为美国马里兰州的公共设施委员会提供司机姓名。
Uber创立于2009年,目前已经将业务范围扩张到54个国家或地区的277座城市。
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。