机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

本研究探讨了深度学习模型在撞车叙述分类中的准确性与专家认同之间的关系。结果表明，尽管某些模型的准确性较高，但专家认同度较低。因此，建议在安全关键的自然语言处理应用中考虑专家认同，以提高分析的有效性。

本研究提出了一个数学框架，用于定义和量化人工智能系统中的自我认同，填补了人工意识理论的空白。实证实验表明，该框架显著提升了自我意识指标，对类人机器人和自主系统领域具有重要影响。

本研究解决了大语言模型（LLMs）在身份认同的内化过程中，对外群体偏见的忽视问题。通过社会身份理论，我们展示了外群体偏见与内群体偏见同样强烈，并通过引导语言模型采用被先前不利群体的视角，有效减轻了其固有的偏见。这一发现对开发更加公正平衡的语言模型具有重要意义。

通过使用多任务学习网络和知识蒸馏方法，我们提供了一种基于汉字的拼音姓名性别猜测解决方案，可以有效地解决当前用于汉字拼音姓名的性别推测工具准确率不高的问题。我们的方法相对于商业性别猜测工具提高了 9.70% 至 20.08%，并且在性能上优于现有的技术算法。

在讨论“自由”相关的话题时，总有人有意无意地将“自由”等同于“为所欲为”，但我们在生活中体验愉悦舒畅的自由感觉时，往往不是毫无节制地肆意妄为。 我们曾在柔软的青草地上奔跑，清爽的风拂面而来；曾经泛舟湖面，举目眺望天水一色；这不需要我们具备上天入地、无所不往的能力； 曾经与三五好友在熟悉亲切的小客厅畅谈，无所顾忌；曾经豪情壮志展望未来，憧憬和规划美好的明天；这也不需要非得说出任何没有禁忌的话语...

最早迷迷糊糊认识到身份认同这个事情，应该是在从普通程序员转型为技术组长的时候。这个过程中，我认为最难的事情就是「转变心态」。现在回头来看，把「转变心态」改为「调整身份认同」会更加合适。最近刚好在搞相关的事情，于是本期月刊就以这个作为话题吧。 这并不是一篇学术文章，只是以我有限的认知结合我的实践进行讨论。身份认同只是认知世界的其中一个模型。我觉得它特别有用的一个模型，可以帮助我解决一些工作 & 生活中的问题。

从「真心认同」让位于「以为认同」开始，人类共同玩了一个游戏，叫「比谁声量大」。 理想情况下，所有人都尊重事实，不夸张，不扩大，不撒谎，不隐瞒，做到就事论事——当然实际情况远非如此。网络时代，声量大的就是

Tweet by @Jimmy_JingLv on December 21st, 2020: 📮 Roam Newsletter 漫游研究所周报 #2020W52 #RoamCN2020W52 RoamCN WeeklyNewsletter roamcult LearnInPublic LearnWithJimmy Zettelkasten @cn_roam @RoamResearch...

人始终在追寻认同，追寻与环境一致。在被认同的环境中，人更容易做出认同环境的行为。例如某个群体里某人是公认的营销专家，这个人会更倾向于做出最好的营销，以保持这种认同。又例如两个人的相似点越多，互相的影响

认同的作用巨大，光是做到「有意识层面的认同」本身就多少改变了事实。

人会维护自己认同的事物：达成共识的每个人都会为维护该共识有所行动；而在不同共识之间，为了维护自身，则会相互影响、改变、融合。

物质得到足够的满足，加上互联网的迅猛发展，消费者的声音通过各种社交平台、聊天工具等渠道汇聚，被传播，被放大。 共同发声的消费者对生产者产生足够的影响力，驱使生产者做出改变，以获得更多消费者的认同。