CNET科技资讯网 2月14日 国际报道:最近以来,不少虚假新闻已在相当程度上主导了舆论,这使得人们很难接触到真实信息。当地时间上周五,苹果首席执行官蒂姆·库克(Tim Cook)访问伦敦时向英国《每日电讯报》表示,他认为虚假新闻在某种程度上正在“侵蚀人们的思想”。
库克坚定地认为,这个问题在全球大部分地区都非常严重,每个人都需要更加深刻地意识到这一点。
他表示:“无论是在学校还是公众场合,对虚假新闻的辨别意识都必须根深蒂固。”库克还呼吁为此举办一个面向所有人的“大规模活动”,不过,这个活动可能会采取什么形式呢?
库克解释道:“我们需要发起一场现代版的公益服务宣传活动。只要我们有决心,很快就可以做成。”
但是,他需要的又是谁的决心呢?想必其中可能会涉及各大科技公司吧。而库克认为,各科技公司需要发明一些工具,用来帮助他们剔除虚假新闻。
他表示,正如要提高全世界对全球变暖的意识一样,也要提高人们打击虚假新闻的意识。库克表示,正是那些第一次准备学习和吸收外界信息的孩子,会在看过一些信息后去说服他们的父母据此做些什么。
库克说:“从某些方面而言,教育孩子是最容易的。至少在某一特定年龄之前,他们大多时候都处在倾听和理解(模式)中。”
不过,笔者不确定库克的公益服务宣传活动会不会那么容易地起作用。毕竟,人们现在已越来越热衷于相信他们所想要相信的事,同时怀疑任何违背他们信仰的东西。他们无疑会通过自己的主观视角,看待这个世界。
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。