Black
PulseAugur coverage of Black — every cluster mentioning Black across labs, papers, and developer communities, ranked by signal.
-
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。
-
新的WIDER-FAIR数据集揭示面部检测模型的偏见
研究人员推出了WIDER-FAIR，一个旨在评估面部检测模型公平性的新数据集。WIDER-FAIR建立在WIDER-FACE基准之上，包含对16,256张图像和四个族裔群体（亚洲人、黑人、印度人和白人）的感知族裔和性别的手动注释。使用在该数据集上训练的YOLOv5模型的初步实验显示，对黑人个体的面部检测性能显著较低，并且将该群体排除在训练之外比排除任何其他人口群体更能加剧公平性差异。
-
社交媒体帖子引用了关于政治评论的YouTube视频
此条目似乎是一篇引用了YouTube视频的社交媒体帖子，带有与AI、抵抗和投票给民主党相关的标签。该帖子提到共和党人因黑人而恐惧，暗示了政治或社会评论的背景。然而，内容过于简短，缺乏关于AI发展或新闻的具体细节，无法形成连贯的摘要。
-
MLOps 指南详述 Ruff 和 Black 用于代码质量强制执行
本文详细介绍了如何将 Ruff 和 Black 集成到 MLOps 工作流程中以强制执行代码质量标准。文章解释了使用这些工具对 Python 代码进行 linting 和格式化的好处，旨在提高可维护性并减少机器学习项目中的错误。作者指导读者在开发环境中设置和配置这些工具。
-
特朗普司法部将利用最高法院裁决打击少数族裔投票区
美国司法部在特朗普政府执政期间，已宣布计划打击黑人和拉丁裔占多数的投票区。据报道，此举是配合最高法院的最新裁决。这一消息引发了对少数族裔投票权潜在影响和更广泛政治影响的批评。
-
FGDM: 软件错误检测的推理感知多智能体框架，使用思维链和思维树提示
研究人员开发了一个名为FGDM的新框架，用于检测和修复软件错误。这个多智能体系统利用具有思维链和思维树提示的大型语言模型（LLMs）来理解代码依赖关系。该框架将代码转换为流程图，识别错误并生成修复方案，并与FAISS向量数据库集成以检索过去的类似问题。在C和Python的100多个程序上进行的实验表明，FGDM的性能优于现有方法，显著降低了Levenshtein距离并提高了余弦相似度。