Meta 正在扩展其年龄验证工具,利用 AI 检测青少年用户,然后即使用户输入了成人生日,也会自动将他们置于更严格的青少年账户设置中。
该公司在周一的博客文章中表示,它将主动识别怀疑属于青少年的账户,并将其移动到这些更严格的设置中。文中承认该系统可能会出错,用户在需要时可以调整其设置。
“我们一直在使用人工智能来确定年龄,但以这种方式利用它是一个重大变化,” Meta 表示。
此举是 Meta 以及其他社交媒体平台为更好地保护年轻用户而采取更广泛措施的一部分,此举应对来自家长和立法者的日益增多的压力,他们认为科技公司在保障青少年的安全和心理健康方面做得还不够。
去年推出的 Instagram 青少年账户内置了保护措施,限制青少年可联系的人群、可看到的内容以及在平台上停留的时长。去年,该公司自动为所有青少年用户启用了这些安全功能,对于 16 岁以下的用户,任何变更都需要家长或监护人的批准。
该公司表示,大约 97% 的 16 岁以下用户仍然保留这些保护措施。公司最近还将青少年账户体验扩展至 Facebook 和 Messenger。
Meta 表示,将开始向 Instagram 的家长发送通知,告知他们为何与青少年讨论在线提供准确年龄信息的重要性。
“了解线上用户的年龄是整个行业都面临的挑战,” 该公司表示。“我们将继续努力确保青少年获得适龄的在线体验,例如青少年账户,但最有效的了解用户年龄方式依然是通过在 app store 中获得家长批准并验证年龄。”
尽管一些组织对这类年龄验证方法表示赞扬,但像 Devorah Heitner(《共成长:公众面前成长》一书的作者)等人则称其隐私影响“令人恐惧”。
“为了使 AI 能够有效地确定用户年龄,它必须了解超出其应知范围的内容,尤其是对于那些数字足迹有限的新用户而言,”她表示。“我们需要看到社交应用采取更多措施,保护所有用户免受侵入性算法和骚扰的影响,而不是仅仅专注于设置年龄门槛。”
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。