蘋果大型語言模型情境基準測試
蘋果機器學習團隊推出基準測試，探測大型語言模型（LLMs）在自然語言處理中情境理解能力，此領域評估不足。基準測試將現有資料集改編為四項任務及九個資料集，適用生成模型。此舉可全面評估情境語言能力。
Search
直接匹配不多，已補上最新動態。
Tag: #nlp-evaluation2 results
ProText：偵測長篇文本性別誤用基準
Apple 推出 ProText，這是用於衡量風格多樣長篇英文文本中性別化和性別誤用的數據集。它涵蓋三個維度：主題名詞（姓名、職業、頭銜、親屬稱謂）、主題類別（刻板男性、刻板女性、中性）以及代詞類別（陽性、陰性、中性、無）。該數據集用於探測大型語言模型在摘要化和改寫等文本轉換中的（誤）性別化，超越傳統代詞解析基準。
Eon「上傳」果蠅大腦
Eon 使用漏積分放電（LIF）模型，將果蠅大腦重建為數位系統。中國團隊據稱進一步採用精細神經元建模，以及支援跨身體遷移的平台，推進具身智慧研究。
UBTECH 將真實產線搬進 WRC
據報導，UBTECH 已在 WRC 內以 1:1 比例重建客戶產線。此舉為具身智慧提供更實際的驗證與部署路徑，強調產線效能與系統整合，而非機器人出貨量。
以 AI 訓練的活體皮膚預測新藥物化合物
Outer Biosciences 脫離隱身模式，開發出一套能讓手術切除的人類皮膚存活最長一個月的方法。該新創將組織產生的資料輸入 AI 模型，以預測可能有用的化合物，目前已籌得約 2,300 萬美元。
AI 資料中心引發汽車零組件短缺
中國汽車製造商表示，受 AI 資料中心需求推動，印刷電路板與多層陶瓷電容器在全球短缺 20% 至 30%，價格已超過去年的三倍。汽車記憶體價格也在短短三個月內上漲約 180%。
768 組外洩 AWS 金鑰仍可提供危險權限
Truffle Security 發現 768 組外洩的 AWS 金鑰，可對企業帳戶提供廣泛控制權，其中包括 526 組根金鑰。在受測憑證中，仍有 88% 處於啟用狀態；而 AWS 的隔離政策仍允許許多具破壞性的操作。
AI 需求先暴增，利潤仍在路上
GDS Holdings 顯示，AI 相關資料中心訂單的增長速度快於已確認收入。這項趨勢反映需求強勁，但基礎設施擴建週期也使獲利延後。
TikTok 以 4 億美元和解美國兒童隱私案件
TikTok 與 ByteDance 同意支付 4 億美元，和解美國司法部提起的案件；該案指控數百萬名未滿 13 歲兒童使用平台，且其資料在未獲家長同意下遭到蒐集。愛爾蘭監管機構也曾在 2023 年因兒童帳戶問題對 TikTok 罰款 3.45 億歐元。
Windows 為何成為 AI PC 的絆腳石
隨著 AI 工作負載提高對系統資源的需求，Microsoft 正重新最佳化 8GB 以上裝置的 Windows 記憶體使用。文章認為，舊版相容性、整合服務、WebView2 與分散的資源管理，正壓縮本地模型和 AI Agent 可用的記憶體空間。