在Droidcon Berlin上，我做了一个名为“这个应用程序是否可访问？现场测试演示”的演讲，测试了一个应用程序的可访问性。观众从三个选项中选择了Clue，一个周期追踪应用程序。我选择Clue是因为他们的应用程序是最好的，最少假设性别。我使用了Accessibility Scanner、Switch Access和Larger font size and display等工具和设置进行测试。测试发现了一些问题，但总体来说，Clue的可访问性相对较好。

这项研究提出了两个新的度量标准，用于量化大型语言模型解释的不确定性。实证分析发现，口头化不确定性不可靠，而探测不确定性与解释的忠实度相关。这项研究为量化LLM解释的不确定性带来了洞察，有助于探讨基础模型的可靠性。

为填补现有研究中缺乏对医疗领域广泛应用的临床任务的评估的空白，我们提出了一种适用于现实世界临床任务的基准测试工具 CLUE，并通过评估多个生物医学和通用领域 LLMs 的临床表现和适用性，推进医疗领域的 LLMs 评估和开发的标准化方法。

CLUE发布了100G中文语料库CLUECorpus2020，可用于自监督学习和语言模型预训练。作者还发布了新的中文词汇表和经过预训练的模型，并将其代码和数据集发布在Github上。实验结果表明，训练在此语料库上的模型在中文上表现出色。