大受欢迎的短视频平台 TikTok 为阻止美国实施“全面禁止 TikTok”的法案发起了攻势。
美国的 TikTok 月活跃用户超过 1.7 亿人,他们在周四收到了一条推送通知,鼓励他们致电国会代表,表达他们反对在美国禁止该应用的这项法案。
一位要求匿名的国会工作人员向Mashable表示,这些弹出式广告似乎起了作用,各年龄段的 TikTok 用户纷纷致电,为他们喜爱的社交媒体站台。
虽然来电者的年龄可能比往常偏小,但所有年龄段的 TikTok 用户都响应了这次行动号召。
在Politico的一篇报道中,一名工作人员表示自己的电话响个不停:“他们有青少年,也有老人,说他们整天都在用这个应用,我们不能把它夺走。”工作人员表示,他们的办公室接到了超过 1000 个专门针对“TikTok法案”的电话。另一名工作人员则表示,来电者绝大多数都是儿童。
TikTok 正在利用强大的影响力号召用户反对在美国禁用这款应用程序的议案。
不过TikTok的支持者认为,该法案不会彻底禁止这款应用,它给TikTok一个选项——从字节跳动剥离,否则才会在美国的应用商店下架。
在这之前,TikTok已经与美国的甲骨文公司建立了合作关系,以应对数据和隐私安全问题。如今,这款应用再度走上风口浪尖,并希望在用户的帮助下积极采取行动。不过Politico援引一名知情人士的说法称,这些狂轰滥炸的电话恐怕会适得其反,由于线路繁忙,一些议员会被“激怒”,转而倾向于支持该法案。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。