路透：中国要求悬挂乌国旗外国使团不做政治宣传

路透：中国要求悬挂乌国旗外国使团不做政治宣传多名驻华外交官说，中国要求驻北京的外国使团不要在他们的建筑物外墙展示“政治化的宣传品”，认为这显然是针对他们在领事馆外展示的乌克兰国旗。据路透社星期三（5月17日）报道，俄罗斯去年2月入侵乌克兰后，数个驻华外国使团在领事馆外升起乌克兰国旗，或在海报和灯光中展示了乌克兰的形象。加拿大、欧盟、英国、德国和波兰驻北京的领事馆都展示了乌克兰国旗的图片。不过，中国外交部在5月10日发出的一份通知中，要求外国使团不要利用建筑设施的外墙展示“政治化的宣传品”，以避免煽动国家之间的争端。这份通知的对象是所有大使馆和国际组织的中国代表处。在通知中，中国外交部没有明确提到乌克兰国旗或任何特定的宣传，但四名驻北京的外交官认为，这“显然与乌克兰的声援展览有关”。报道还引述一名目击者称，俄罗斯入侵乌克兰数周后，加拿大驻中国大使馆外墙上的一张乌克兰国旗海报被画上反北约的涂鸦。

这是关联上一篇文章的。

这是关联上一篇文章的。如果您很有可能遇到被搜查手机的情况——比如在美国机场或者在中国街头——您需要事先删除敏感的通信应用。之后再恢复它。这就需要您有备份以还原数据。本指南介绍：-什么时候需要备份、-备份的风险是什么，-以及如何安全备份。详细：https://www.iyouport.org/%e6%98%af%e5%90%a6%e9%9c%80%e8%a6%81%e5%a4%87%e4%bb%bd%e4%bb%a5%e5%8f%8a%e8%af%a5%e5%a6%82%e4%bd%95%e5%ae%89%e5%85%a8%e5%9c%b0%e5%a4%87%e4%bb%bd-whatsapp%ef%bc%9f/

俄罗斯：泽连斯基将G7峰会变成政治宣传秀

俄罗斯：泽连斯基将G7峰会变成政治宣传秀俄罗斯外交部称，乌克兰总统泽连斯基此次日本广岛之行，将首脑会议变成政治宣传秀（propagandashow）。法新社报道，俄罗斯外交部星期天（5月21日）发布声明称，G7领导人通过邀请泽连斯基到广岛并煽动“反俄及反华的歇斯底里”，把广岛峰会变成一场政治宣传秀，会议产出的“主要结论是一堆充满仇恨的反俄和反华信息的公告”。俄外交部说，G7已经成为“一个孵化器，在盎格鲁撒克逊人的领导下，制定了损害全球稳定的破坏性举措”。声明指出，西方国家在全球影响力的下降，“促使G7成员将所有努力投入到煽动反俄和反华的歇斯底里中去。”声明还说：“我们确信，我们对G7及其破坏性行动的评价得到了国际社会大多数人的认同。”另据路透社报道，俄外交部还在声明中指责G7与非西方国家“调情”（flirting），试图阻止它们与莫斯科和北京关系的发展。声明强调，俄确信G7峰会无法反映亚太地区、南亚、中东、非洲或拉丁美洲的利益。

一篇写的非常好的文章，详细介绍了如何对大语言模型的质量进行评估。

一篇写的非常好的文章，详细介绍了如何对大语言模型的质量进行评估。流程包括单元测试、人工评估、模型评估和A/B测试,强调快速迭代和数据管理的重要性。一个好的测试流程是模型进步的必要条件，如果没办法准确测试模型质量，就没办法帮助模型进步。下面是大致的内容整理，后面有全文翻译：大语言模型产品的评估系统评估系统对大语言模型(LLM)产品的成功至关重要。许多LLM产品之所以失败,根本原因在于未能创建健壮的评估系统。评估、调试和改进是LLM产品成功的关键,而良好的评估系统可以创造一个良性循环,加速产品的迭代和改进。案例研究中的Lucy就是一个典型的例子,它初期通过提示工程取得了进展,但后来遇到了性能瓶颈,需要建立系统的评估方法来突破瓶颈。评估的类型LLM产品的评估主要分为三个层次:单元测试、人工评估和模型评估、A/B测试。单元测试是通过编写一些断言语句,在开发过程中快速获得反馈。人工评估和模型评估是通过人工检查和训练评估模型来评估整个系统。A/B测试则用于确保AI产品能够驱动期望的用户行为或结果。除了评估整个系统,还需要对子组件如RAG进行单独评估。单元测试的步骤单元测试是LLM产品评估的基础,通常包括三个步骤:编写特定范围的测试、创建测试用例和定期执行测试并追踪结果。编写测试时要针对LLM的不同功能和场景,检验相应的断言。可以利用LLM自动生成测试用例,触发不同的场景。测试应当定期执行,利用CI基础设施可以很方便地实现自动化测试和结果跟踪。测试通过率并不一定要达到100%,而是要在错误容忍度和产品目标之间取得平衡。人工评估和模型评估人工评估和模型评估是更高层次的测试手段。首先要记录LLM系统的跟踪数据,包括用户的输入和系统的响应,为后续分析提供数据基础。在查看数据时,定制化的查看工具和良好的可视化非常重要。将人工评估结果与评估模型的预测对齐,可以极大提高评估的效率。随着评估模型性能的提升,可以渐进式地用自动评估来替代人工评估。微调和数据合成与管理