苹果公司即将在美国当地时间本周二召开2025年度股东大会，届时将对公司未来的发展方向进行重要讨论。自特朗普当选总统以来，苹果在抵制企业激进主义的同时，坚定维护其多元化、平等与包容性（DEI）政策。然而，这些政策及其与 OpenAI 的合作关系将成为保守派组织关注的焦点。在此次大会上，苹果的股东们将投票决定是否支持来自美国国家公共政策研究中心（NCPPR）提出的一项提案。这项提案呼吁苹果取消其 DEI 政策，认为美国最高法院最近的裁决可能使公司面临法律风险。此外，另
近年来，苹果公司在多样性和包容性（DEI）政策方面的坚持，正遭遇部分股东的挑战。作为硅谷中少数对抗保守派势力的公司之一，苹果在维护其多样性政策的同时，也面临来自股东的质疑和施压。股东们希望公司能重新审视这些政策，认为它们可能会对公司的业绩产生影响。此外，苹果最近与人工智能公司 OpenAI 的合作也成为了争论的焦点。一些股东担心，这种合作可能会带来更多的道德风险和法律责任，进而影响公司的品牌形象和财务表现。这些担忧使得苹果在股东大会上不得不面对
在最近的一次全员会议上，谷歌的高管们详细阐述了公司将取消多元化与包容性（DEI）目标及其不再开发武器化人工智能的承诺。谷歌前多元化负责人梅洛妮・帕克表示，公司将停止实施多元化与包容性员工培训项目，并将 “更新” 其他相关培训项目。这是自谷歌宣布不再设定多元化招聘目标以来，首次对全体员工进行回应。谷歌首席法律官肯特・沃克表示，自2018年公司首次提出 AI 原则以来，许多情况发生了变化。他表示，公司认为参与全球重要话题的讨论对社会是有益的，因此决定撤
["谷歌 Gemini 生图机制内部曝光，管理混乱、多元化问题显著。","Gemini 生成图片需经过多模型，过度 “多元化” 导致结果经过多重 “清洗”。","内部员工爆料公司存在 “恐惧文化”，DEI 政策影响 Gemini 项目发布。","公司内部缺乏领导力和合作，谷歌 Gemini 面临困境，呼声要求 CEO 下台。"]
Ermittle deine Gesichtsform mit KI! Lade ein Foto von dir hoch und lass die KI deine Gesichtsform erkennen.
theekshana
该模型是基于obi/deid_roberta_i2b2在未知数据集上微调的版本，主要用于文本处理任务。
KnutJaegersberg
gpt2-chatbot是基于GPT2-XL架构在Deita数据集上进行监督微调(SFT)得到的对话模型，旨在改变某种决策倾向。该模型支持多轮对话，在文本生成任务上表现良好，但在数学推理方面存在局限。
team-lucid
TrOCR是一个基于视觉编码器-解码器架构的韩语图像转文本模型，使用DeiT作为图像编码器，RoBERTa作为文本解码器。
Gokulapriyan
基于DeiT-tiny架构的轻量级图像分类模型，在自定义图像数据集上微调后达到98.56%的验证准确率
uisikdag
基于平衡数据集训练的植物幼苗分类模型，在测试集上准确率达94.67%
基于DeiT-tiny架构的轻量级图像分类模型，在自定义图像数据集上微调后达到94.8%的准确率
ivensamdh
基于facebook/deit-small-patch16-224微调的模型，具体用途未明确说明
jayanta
基于facebook/deit-base-patch16-224微调的表情包分类模型，在imagefolder数据集上达到84.85%的准确率
raedinkhaled
基于mriDataSet数据集对facebook/deit-base-distilled-patch16-224进行微调的图像分类模型，准确率达99.01%
flyswot
该模型是基于facebook/deit-tiny-patch16-224在图像文件夹数据集上微调的图像分类模型
dimbyTa
这是一个基于DeiT架构的图像分类模型，专门用于岩石颗粒分类任务，由HuggingPics自动生成。
这是一个基于DeiT架构的图像分类模型，专门用于岩石颗粒分类任务。
facebook
DeiT是一种更高效训练的Vision Transformer模型，在ImageNet-1k数据集上以224x224分辨率预训练和微调，适用于图像分类任务。
蒸馏版视觉Transformer模型，先在224x224分辨率下预训练，再于384x384分辨率下在ImageNet-1k上微调，通过蒸馏标记从教师模型中学习。
obi
该模型用于识别和移除医疗记录中的受保护健康信息(PHI/PII)，符合HIPAA隐私标准。
DeiT是一种高效训练的视觉Transformer模型，在ImageNet-1k数据集上预训练和微调，适用于图像分类任务。
DeiT是一种通过注意力机制训练的数据高效图像Transformer模型，在ImageNet-1k数据集上以224x224分辨率进行预训练和微调。
蒸馏版高效数据图像Transformer（DeiT）模型在ImageNet-1k上以224x224分辨率进行了预训练和微调，通过蒸馏学习从教师模型中提取知识。
该模型为蒸馏版数据高效图像Transformer（DeiT），在ImageNet-1k上以224x224分辨率进行预训练和微调，通过蒸馏从教师模型高效学习。
该模型是基于RoBERTa微调的序列标注模型，用于识别和移除医疗记录中的受保护健康信息(PHI/PII)。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
