GPT-5 是 OpenAI 最新的智能模型，具备深度思考能力，尤其在编程和写作方面表现突出。Nicholas-L-Johnson 的 flip-card 项目是一款超薄商务名片，具备流体仿真功能。Vibechart 强调数据可视化的主观性，指出图表可能不真实。文章还讨论了“本地优先”技术及其应用。

忒修斯之船问题探讨了事物是否保持不变的主观性。替换船的任何部分是否仍为原船因人而异，涉及认知差异。争议在于观念中的船是否变化，类似于唯名论与唯实论的争论。

本研究提出了一种管理模糊主张主观性的方法，针对主张与源文件的忠实性判断。通过引入LLM生成的总结编辑，提出了模糊重写指标（ARM），显著提高了评估一致性，并增强了对叙述模糊性的理解。

本研究提出了SubjECTive-QA数据集，以解决收益电话会议记录中主观回答透明性不足的问题。分析了49,446条问答对，结果显示最佳预训练语言模型在高主观性特征上表现优于低主观性特征，表明该方法在金融领域外也具有广泛适用性。

论文提出了一种新方法，通过“语义重要性投注”评估语言模型输出的语义重要性。人类评估者对文本进行投注，判断其意义。实验显示，该方法能揭示模型生成的流畅但语义不重要的文本，补充现有评估指标的不足。但方法的主观性和激励机制问题需进一步研究。

图像生成模型应用广泛，但评估常忽视主观性。研究分析人类标注者在不同情境下的评估差异，设计了T恤图形等任务，发现图像外观、文本对齐和对象表达是影响主观性的关键。强调构建和评估模型时需重视用户和情境。

通过人类交互动态的深度相互关联，人类关怀在促进亲社会行为方面起着关键作用。利用自然语言处理方法对关怀进行建模仍具有挑战性，标注者之间存在低一致性，阻碍了训练并强调了任务的主观性。注释对文化的影响不大。语言模型对关怀理解的系统探索表明还有相当大的探索空间。

研究者提出了一种适用于ASAG数据集的弱监督注解过程和基于评分理由的神经符号模型，该方法在双语、多领域、多问题的训练设置中相比现有技术提高了均方根误差，为ASAG和教育NLP领域的未来研究提供了有前景的方向。

研究发现颜色感知和颜色语言之间存在一致性，但在主观性和抽象性的情况下降低。

颜色感知和颜色语言研究发现颜色空间和语言模型特征空间一致性，但在主观性和抽象性情况下降低。需要进一步研究。

本文介绍了一种利用多个标记数据集学习通用的域不变表示的方法，以适用于每个新的人重新识别场景。通过开发 DataHunter 来搜集 YouTube-Human 和其他标注数据集，提出了一个半监督知识蒸馏框架，并在 FastHuman 基准测试上证明了其有效性，可与目标领域上的监督学习相媲美。

本文介绍了 Gpachov 团队在 CLEF-2023 CheckThat！实验室任务 2 中构建的解决方案，旨在通过主观性检测确保社交网络上信息的客观性和质量。该解决方案采用了微调句子嵌入编码器模型和降维、样本高效少样本学习模型以及多语言数据集上微调多语言转换器等方法，并通过简单多数投票集成的方式融合三种方法，在测试集上达到 0.77 的宏 F1，并在英语子任务上获得第二名。

本文研究了在线辅导平台上对话的情绪估计任务，探讨了聚合评估者选择策略和机器学习算法的可靠性。发现投票共识和优化聚合方法同样有效，机器学习算法在评估主要情绪时与人类评估一样可靠。