Black
PulseAugur coverage of Black — every cluster mentioning Black across labs, papers, and developer communities, ranked by signal.
11 天有情绪数据
-
斯科特·科隆当选为150年来首位密西西比州黑人美国参议员
斯科特·科隆通过击败现任参议员辛迪·海德-史密斯，成为近150年来首位当选的密西西比州黑人美国参议员，创造了历史。此次胜利被一些人视为该州黑人政治力量的潜在转折点，令人想起重建时期。然而，专家认为，促成科隆获胜的特定条件，包括民主党浪潮和对国家政策的不满，可能难以在未来的选举中复制，不像佐治亚州那样拥有更多样化的潜在联盟。
-
研究：人们将种族身份投射到AI系统上，影响信任度
新研究表明，人们倾向于将人工智能系统与白人的种族身份联系起来。即使AI没有任何类似人类的特征，如面孔、声音或姓名，这种看法依然存在。研究发现，这种种族投射与对AI推荐的信任度增加相关。此外，与在白人成年人数据上训练的AI系统相比，在黑人和拉丁裔成年人数据上训练的AI系统被分配的任务复杂度较低。
-
雷蛇 BlackWidow V4 键盘宣传 Murad Agency 自动化解决方案
此商品是雷蛇 BlackWidow V4 机械键盘的广告，强调其 USB-A 连接、RGB 灯光和宏键。它兼容 PC，有黑色可选。广告还提到了 Murad Agency 及其创新的业务自动化解决方案，旨在节省时间和减少运营浪费。
-
Ruff 集成多个 Python linter，提供 10-100 倍的速度提升
Ruff 是一个由 Rust 驱动的 Python linter 和 formatter，与 flake8 和 Black 等传统工具相比，速度有了显著提升。它将 flake8、isort、pydocstyle 和 pyupgrade 等多个 linter 和 formatter 的功能集成到一个单一的高效工具中。这种整合简化了配置，并大大缩短了 CI 管道中的执行时间，完成任务所需的时间仅相当于 flake8 等单个工具启动所需的时间。
-
新方法审计AI图像生成器中的种族偏见
研究人员开发了一种新的基于代理的方法来测量文本到图像生成器中的种族差异，借鉴了美国反歧视法的法律概念。该方法根据种族对生成的图像进行分类，并使用CIELAB值分析肤色变化，以识别与人口统计基准相比的过度和代表性不足。在Imagen 4 Fast、Stable Diffusion 3.5 Large Turbo和Flux-Schnell上的实验揭示了这些模型在代表不同种族群体和肤色方面存在显著差异，其中Imagen 4 Fast在代表黑…
-
新的AI Linter 'subedit' 格式化Agent的注释和文档
一款名为subedit的新工具已被开发出来，它是一个原生AI的Linter和格式化工具，专门用于AI Agent编写的注释和文档。与为人类开发者设计的传统Linter不同，subedit能够处理AI模型生成文本的独特方式，提供静默的自动修复布局问题，并且只提供必要的重写作为指令。它与Ruff和Prettier等现有的代码格式化工具集成，确保代码和文本风格的一致性。
-
新的审计方法揭示预测模型失准及人口统计学差异
开发了一种新的审计方法，用于识别预测模型在何处以及对谁产生失准，特别是关于人口统计学差异。该方法使用随机森林将相似的观测值分组到“口袋”中，然后评估这些口袋内的预测准确性。在模拟场景中，与现有替代方法相比，该方法在定位错误方面显示出更高的准确性，并已应用于真实数据集，揭示了护理管理算法和 ICU 死亡率预测模型中细微的失准情况。
-
视觉语言模型编码敏感属性，固化刻板印象
Ashiqur Rahman KhudaBukhsh 的一篇新研究论文探讨了视觉语言模型（VLM）在转换图像时如何编码种族和性取向等敏感属性。研究表明，VLM 通常会响应修改图像以反映特定身份的请求，但这种响应并非确定性的，并且具有群体敏感性，经常会强化刻板印象。研究还表明，这些偏见会转移到文本推理任务，并延伸到犯罪等其他敏感属性，引发了对 AI 辅助画像的担忧。
-
LLM显示，尽管真实性标签得到修正，种族偏见依然存在
一篇新发表在arXiv上的研究调查了真实性标签对大型语言模型（LLM）的情感基调和种族差异的影响。研究人员发现，尽管真实性标签显著改变了GPT、Llama和Claude等模型的情感基调，但并未消除现有的种族偏见。即使在与种族无关的头条新闻上，模型也一贯地对黑人角色的模拟情感赋予比白人角色更负面的评价。这表明事实纠正和人口统计一致性是LLM行为的独立属性，在部署前需要对两者进行审计。
-
研究发现AI模型在信任信息时表现出种族偏见
一篇新的arXiv论文揭示，来自OpenAI和Anthropic的领先语言模型表现出概率偏差，拒绝信任来自被描述为黑人的记者信息，其频率高于被描述为白人的记者。这种偏见很微妙，当模型根据种族而非证据评估记者时出现，并且随着推理努力的增加而恶化。研究发现，模型会为像“Black”这样的英语词汇调用种族，但不会为其西班牙语翻译“negro”调用，也从不为“Indigenous”调用。然而，在评估信息时，被描述为黑人的记者获得了略多的信任。…
-
乌克兰声称实现世界上首次载人无人机撤离
乌克兰成功进行了一次据称是世界上首次使用重型无人机进行人员撤离的行动。一架载重可达130公斤的Gurzuf Defence六旋翼无人机，将一名代号为“Kostya”的受伤士兵，从哈尔科夫前线附近的一个雷区运送了约11英里至安全地带。此次行动得到了小型无人机机队的支援，以防御敌方神风无人机，并被誉为军事人员撤离的一种新方法。
-
人工智能抄袭担忧指向黑人、非洲作家
近期发生的“Pangram”事件引发了对人工智能使用和抄袭的担忧，尤其影响到黑人、加勒比和非洲作家。科技未来学家和人工智能记者正在讨论其影响，其中一篇文章指出，“Pangram”的扫描被用来对作家提出严重指控。这种情况被描述为“令人不寒而栗”，因为这些作家与人工智能抄袭的关联速度之快。
-
面部情感模型对儿童存在显著偏见，研究发现
一篇题为“那张脸是谁的？”的新研究论文审计了五个面部情感识别模型，结果显示与成人相比，这些模型在应用于儿童时性能显著下降。研究发现，偏见与模型无关，集中在特定的面部形态和人群，而非肤色。研究人员发现，在这些模型的分类器头部使用儿童数据进行重新校准可以提高准确性，尽管这种改进仅限于分布内数据。
-
大型语言模型在城市安全判断中表现出基于地点的污名化
一篇新发表在arXiv上的研究调查了大型语言模型（LLMs）如何判断城市社区的安全性。研究发现，LLMs严重依赖带有居民刻板印象的社区名称，而非客观的地理数据或犯罪统计数据。即使在控制了犯罪率的情况下，模型也倾向于降低芝加哥黑人居民比例较高以及洛杉矶西班牙裔居民比例较高的社区的安全评级。这表明LLMs可能会延续基于地点的污名化，影响其在城市规划和安全决策支持方面的应用。
-
数据中心占用阿肯色州农村黑人拥有的土地
数据中心正在阿肯色州农村、黑人拥有的土地上建设，引发了关于占用和流离失所的担忧。该开发项目由与该地区没有任何历史或文化联系的实体进行，引发了对当地社区和土地所有权影响的质疑。
-
VR研究揭示警察用语中的种族偏见，探讨LLM用于分析
一项利用虚拟现实模拟的新研究调查了警察的用语如何受到他们互动的对象的感知种族和性别的影响。研究发现，大多数警察对被描绘成黑人成年男性的虚拟角色说话的语气不那么恭敬，但白人、混血和多族裔女性警官是显著的例外。这种语气差异可能导致对话中断，以及给警官和公众带来危险情况。该研究还探讨了使用大型语言模型（LLMs）来估计这些影响，并推荐使用具有逆概率处理加权方法来创建文本特征的混合效应模型。
-
随机算法大幅降低分区学习查询复杂度
研究人员开发了新的随机算法用于学习分区，与现有确定性方法相比，显著提高了查询复杂度。这些算法在常数轮次内实现了近乎最优的查询复杂度，是比顺序方法的一项显著进步。该研究表明，随机化极大地改变了分区学习所需的轮次和查询之间的权衡，尤其是在未知部分数量的情况下。
-
研究发现：国际象棋引擎评估无法预测人类对局结果
一项分析国际象棋局面的研究发现，即使在Stockfish 18等引擎认为局面均等的情况下，人类棋手也会表现出持续的结果倾斜，偏向白方或黑方。这种倾斜在不同棋手群体、不同时期和不同等级分范围内都是可复现的，并且即使在非常流行和测量良好的局面下也依然存在。虽然典型的倾斜幅度很小，但处于不利地位的一方往往会花费更多思考时间，这表明仅凭引擎评估并不能完全预测人类对局结果。
-
Claude Code 命令：专业使用的全面指南
本文提供了使用 Claude Code 的全面指南，Claude Code 是一款可以通过终端命令直接控制的 AI 编码助手。文章详细介绍了 30 多个命令，分为基本、中级和高级功能。基本命令包括启动会话、与文件交互、选择 Haiku、Sonnet 和 Opus 等模型以及退出。中级命令侧重于会话管理、上下文操作（如摘要或清除）以及查看 Claude 的可用技能。高级命令虽然在此摘录中未完全详述，但旨在自动化 Claude 的任务。
-
开发者使用 CSS color-mix() 函数简化网页主题
一位网页开发者通过利用 CSS `color-mix()` 函数简化了他们的主题设置流程，用单一品牌变量取代了大量手工策划的调色板。这种方法允许动态生成各种状态，如悬停、激活、禁用和表面色调，从而确保跨多个网站的可访问性和一致性。该开发者分享了这些颜色派生的五种特定模式，强调了在运行时计算颜色而非手动选择颜色所带来的效率和可维护性。