European Court of Human Rights
PulseAugur coverage of European Court of Human Rights — every cluster mentioning European Court of Human Rights across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
New Locket Framework Enhances LLM Privacy and Access Control
研究人员开发了一个名为 Locket 的新框架，以增强大型语言模型 (LLM) 的安全性和隐私性。Locket 使用轻量级适配器，每个适配器都与特定的访问策略相关联，并使用一个采用学习到的密钥入口令牌来路由请求的门控模块。该系统允许对私有数据的访问进行细粒度控制，从而实现诸如 PII 屏蔽或差分隐私等功能，而不会显著影响模型的效用。实验表明，Locket 在获得授权时，性能与在原始数据上进行微调相当，同时在未经授权时能有效减少 PII 泄露。
-
新基准挑战AI预测人权损害赔偿金能力
研究人员推出了ECtHR-NPD，一个旨在预测欧洲人权法院案件中精神损害赔偿金的新基准。该基准包含14,575个以欧元计价的赔偿案例，旨在解决法律基准中未被充分探索的持续性金钱救济领域。使用包括微调语言模型和知识增强代理在内的各种方法的初步评估显示，复杂的AI方法并未持续优于简单的基于特征的基线。模型在识别零赔偿和准确预测高额赔偿案件方面尤其困难，这表明ECtHR-NPD对当前AI能力提出了重大挑战。
-
新方法使用离散扩散模型进行无需训练的多标签文本分类
研究人员推出了一种名为dLLM-SetScore的新方法，该方法利用离散掩码扩散语言模型进行多标签文本分类，而无需进行特定任务的微调。该方法通过对每个潜在标签提出是/否问题，并比较答案标记的概率来实现。为避免偏差，该方法采用每标签评分，将每个标签置于相同的句法位置，以防止先前方法中观察到的依赖于顺序的伪影。在Reuters和GoEmotions等数据集上的评估表明，使用此协议的LLaDA-Instruct检查点在无需训练的情况下取得了…
-
法律AI研究发现不确定性融合能提升信任度而非预测能力
一篇新研究论文探讨了将各种不确定性量化工具与大型语言模型相结合用于法律案件预测的有效性。研究发现，尽管与直接使用大型语言模型相比，这些流水线并未提高预测准确性，但它们显著增强了系统确定哪些案件可以自动化处理、哪些需要人工审查的能力。研究表明，此类流水线在法律AI中的主要好处不是锐化预测，而是校准系统决策过程中的信任度。
-
研究发现，大型语言模型在法律推理方面存在困难，尤其是在时间方面
一项新研究发现，大型语言模型（LLMs）在法律推理方面存在困难，尤其是在需要对法律进行时间理解的任务中。研究人员评估了OpenAI的GPT 5.4在欧洲人权法院的案件中的表现，发现该模型分析肤浅，并且倾向于应用最新的法律，而不考虑案件的时间线。此外，研究表明，虽然强化学习可以改善一般推理能力，但它可能会通过减少分析路径的多样性来阻碍时间法律推理，从而导致在这些特定任务上的表现变差。
-
匈牙利选举奥尔班批评者安德拉斯·巴卡为新总统
匈牙利议会已选举安德拉斯·巴卡（Andras Baka）为该国新总统，他曾是最高法院院长，也是维克托·欧尔班（Viktor Orbán）的批评者。巴卡曾担任欧洲人权法院法官，由总理彼得·马扎尔（Péter Magyar）提名。此次任命是马扎尔更广泛改革努力的一部分，旨在匈牙利前总统被争议性罢免后，重新确立法治和宪政治理。
-
英国国内大臣推动人工智能年龄验证法案，面临批评
英国国内大臣计划下周推进一项法案，其中包括为未成年人提供人工智能驱动的年龄验证的规定。这项拟议的立法因可能破坏《欧洲人权公约》（ECHR）而受到批评，并呼吁议员们反对它，尤其是在政治过渡时期推进该法案。
-
英国总检察长办公室因种族主义和暴力担忧退出X
据报道，英国总检察长办公室已停止在X上发帖，原因是担心平台上的种族主义和暴力问题。总检察长Richard Hermer指出，该平台被不良行为者利用来制造分裂和传播虚假信息，尤其是在近期发生骚乱和涉及受害者虚假信息的事件之后。Hermer的决定是在该平台上仇恨言论和篡改内容激增的背景下做出的，而X的所有者Elon Musk据称放大了这些声音。
-
NicFab每日摘要新增关于隐私和人工智能的欧盟判例
NicFab每日摘要已更新，纳入了精选的欧盟判例部分。本新部分将刊载欧洲联盟法院（CJEU）和欧洲人权法院（ECtHR）的最新裁决。每项判例条目将侧重于数据保护、隐私和人工智能，并提供官方来源的直接链接。
-
新研究探讨多方利益相关者和组织背景下大语言模型对齐的挑战
两篇新研究论文探讨了大语言模型（LLMs）与人类决策过程对齐的复杂性。第一篇论文《多方利益相关者大语言模型对齐：分解估计与聚合》提出了一种名为DecompR的方法，将效用估计与聚合分开，旨在减少因用户偏好冲突引起的不稳定性。第二篇论文《谁的对齐？比较不同组织决策背景下的大语言模型的流程对齐》认为，大语言模型与组织的对齐是一个多元化的挑战，而非单一目标问题。它提出通过衡量大语言模型如何权衡信息来测量流程对齐，发现这种方法在某些情况下可以…