近日,由中国电子学会组织编制的《互联网内容审核职业技能等级标准》正式对外发布。该标准是中国电子学会按照《国家职业教育改革实施方案》的部署,为加强互联网内容审核人才队伍建设,充分发挥科技社团第三方作用,联合有关单位根据《职业技能等级标准开发指南》的有关要求组织编制的,标准规定了互联网内容审核职业技能等级对应的工作领域、工作任务及技能要求。
互联网高速发展时代,使每一个人都处在海量的信息包围中,人们在享受信息便捷带来服务和消费体验升级的同时,大量未经核实信息对国家安全、社会稳定、青少年健康,都造成了不良影响。由于绝大多数人对信息的真伪难以辨识,高度依赖于互联网平台对内容的把关,因此内容审核工作就成为整个互联网平台质量的保证,更是平台的生命线。互联网平台内容信息真实性越高,其公信力就就会越高,人们对平台的依赖程度就会越大,平台自身的发展就会更好,从而形成正向循环,反之,若对平台的内容不加筛选、规范和有序引导,也就没有了公信力,无论是对公众还是对平台自身而言,传播越广伤害越大。
因此,对每一家互联网内容平台来说,为确保平台内容的合法性和规范性,健全平台内容审核机制成为非常关键也必须高度重视的问题,而其中培养一批素质较高、责任意识强的内容审核人员就成为行业持续繁荣和企业快速发展的迫切需要。
据中国电子学会教育工作委员会副秘书长王海涛介绍,人才标准编制是中国电子学会作为工业和信息化部直属事业单位、民政部5A级全国性学术类社会团体、人力资源和社会保障部认定的国家级专业技术人员继续教育基地,开展教育培训工作的组成部分,也是中国电子学会“全国电子信息人才能力提升工程”的重要任务之一,标准编制是以市场需求为导向,以技能提升为目标,旨在为相关单位选人用人、教育培训、考核评价提供重要参考依据。
此次发布的“互联网内容审核”人才标准得到了中国信息安全评测中心、百度、网易、华为、网景盛世、齐聚科技、中科汇联、中工信推、中联国创等单位和专家的支持参与,接下来中国电子学会将继续发挥科技社团优势,不以营利为目的,联合有关单位进一步修订和完善标准,开展编写培训教材,研发实训平台,组织考核评价等工作,积极与政府有关部门对接进行项目申报和政策衔接,面向院校和社会提供优质的人才培养服务。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。