BLAD是一个精心整理的孟加拉法律法案数据集，涵盖1799年至2025年间的1,484部立法法案。每部法案包含全文、结构化章节和脚注，废止状态，以及链接相关统治政权、国家元首和当时法律框架的元数据。数据集包含英语、孟加拉语及混合语言文档，支持法律文本的时序和多语言分析。BLAD填补了南亚低资源民法区域在法律自然语言处理领域的空白。数据集在CC BY-SA 4.0协议下公开，地址为https://www.kaggle.com/datasets/sakhadib/bangladesh-legal-acts-dataset。
这条 研究论文 信号说明，来自 arXiv cs.CL 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.CL 发布了这条关于 研究论文 的更新：BLAD是一个精心整理的孟加拉法律法案数据集，涵盖1799年至2025年间的1,484部立法法案。每部法案包含全文、结构化章节和脚注，废止状态，以及链接相关统治政权、国家元首和当时法律框架的元数据。数据集包含英语、孟加拉语及混合语言文档，支持法律文本的时序和多语言分析。BLAD填补了南亚低资源民法区域在法律自然语言处理领域的空白。数据集在CC BY-SA 4.0协议下公开，地址为https://www.kaggle.com/datasets/sakhadib/bangladesh-legal-acts-dataset。
此数据集为研究孟加拉及相似地区法律演变和多语言法律文本处理提供了宝贵资源，促进了法律NLP在低资源国家的应用与发展。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
本文提出的联合嵌入预测架构（JEPA）训练一个预测器与编码器共同工作，但实际应用时只用编码器的特征。该预测器是从可见上下文特征到被遮挡位置特征的学习算子，我们验证这个算子可以跨编码器家族迁移。通过将冻结的I-JEPA和V-JEPA 2预测器通过单线性投影接入多种非JEPA编码器（CLIP、DINOv3、DINOv2、MAE），在ImageNet-9和Stanford Dogs数据集上对遮挡特征完成任务表现出显著提升，尤其在重遮挡情况下效果最佳。该方法不需重新训练模型，仅需针对不同遮挡比例拟合线性映射，展现了JEPA预测器作为遮挡特征补全的通用算子的潜力。
在人脸图像检索中，尤其是在不受控制的监控环境下，错过关注目标（单个假阴性）是不可接受的。现有系统虽在标准测试中表现优异，但在实际环境中如低分辨率、运动模糊及光照不佳时表现欠佳。本文提出风险感知人脸检索（RA-FR）框架，通过自适应检索集生成，保证在用户指定风险水平和置信度下包含真实目标。方法结合了基于盲复原的混合模型减少数据不确定性、利用自监督ViT特征提取及服从Hoeffding不等式的可证校准机制，实现了在IMFDB数据集上5%风险目标下仅约10张图片的平均检索集大小。该框架融合了领域复原、鲁棒特征学习及可验证决策规则，使监控人脸检索更加可靠且可审计。代码已公开。
本文识别出强化学习中基于人类反馈（RLHF）中的一种结构性混淆：评分者的偏好标签不仅反映输出比较，也可能反映评分者在注释时的状态。持续的压力或困扰条件下，评分者的偏好会随时间变化，导致偏好数据同时编码评分者状态和质量判断。这种状态相关偏差可跨评分者共享，并通过奖励建模和策略优化传播。文章提出了评分者状态偏差的假设和审计框架，定义了相关概念，提出可测量指标并提供审计协议及试点方案，旨在公开模型中检测这种结构性偏差。