綠色低碳創新大會在浙江湖州發布《共築綠色未來》倡議
2025-12-03 01:34 4,378次浏览進入夏季以來，防曬衣、防曬帽、冰袖、口罩等各類防曬產品在線上線下熱銷。 01 防曬產品選購 謹防宣傳誤導 這些產品防曬性能怎麼樣？與商家宣傳的性能是否一致？近期，上海市場監管部門對一批防曬服飾和配飾進行了檢測。 根據國家的相關規定，所有宣稱具備防曬功能的產品必須通過專業檢測認證。其中關鍵指標包括：UPF也就是紫外線防護係數>40、日光紫外線透射比<5%，兩項核心數據須直接標註於產品顯著位置。 上海市場監管部門本次共對網絡平臺和線下門店100個批次防曬產品進行抽查，初步發現有部分產品標識不合格、纖維含量與標識不符、防紫外線性能未達標等情況。 中聯品檢(上海)技術服務有限公司工程師 張潔：像這件衣服，網頁上宣稱的是UPF40+。但實際上我們可以看，實際檢測的時候，防護係數UPF值是22到23之間，它的透射比是在10%以上。那麼根據我們國家標準GB/T 18830的標準要求，透射比是要小於5%，以及防護係數UPF是要大於40+，才是合格的產品。 檢測機構專家告訴記者，從近年來的抽檢結果來看，防曬產品本身性能或質量不合格的情況呈現下降趨勢，現在更多需關注商家是否存在宣傳誤導的情況。比如產品網頁宣稱的紫外線防護係數與商品使用說明上標註的不一致、使用UPFAV值來代替UPF值進行防曬性能的宣傳等。 中聯品檢(北京)技術集團有限公司總工程師 王玲：你看這件產品的這個網頁上的說明是UPFAV值大於2000，實際上消費者更應該關注的是UPF值。因為UPFAV值是代表這個衣服的紫外線防護係數的一個平均值，但是UPF值是代表這件衣服最低的一個防紫外係數，所以我們純粹地看UPFAV值是看不見這個衣服防紫外線的短板的。 02 UPF值越高越好？ 專家建議不必盲目追高 記者注意到，這批抽檢的防曬產品中，很多防曬衣的UPF值標註了40+到100+、500+乃至1000+不同等級，雖然UPF值越高代表防曬效果越好。但是我們真的需要如此高UPF值的防曬衣？如何選購合適自身的防曬用品呢？聽聽專家的觀點。 專家表示，依照現有標準，防曬衣合規的標註方法其實只有UPF40+和UPF50+兩種。UPF50，可以簡單地理解為有五十分之一的紫外線可以透過織物達到人體皮膚，那也就是有98%的紫外線被阻擋了。 研究顯示，當UPF值超過40時，紫外線對人體造成的傷害已極為有限。隨著UPF值的進一步提升，如UPF500與UPF1000之間的紫外線阻擋率差異僅為0.1%，但其生產成本相應增加，這種成本的上升最終會反映在產品售價上。 中聯品檢(北京)技術集團有限公司總工程師 王玲：嬰幼兒和青少年的皮膚比較敏感，這種情況下，我們可能需要UPF值稍微高一點的防護產品，比如說UPF50。UPF達到40，對於一般的人群來說，這個防護指數已經是足夠的，所以沒有必要盲目地去追求UPF值越高越好。 專家建議，在防曬產品滿足了相關標準規定之後，消費者更應根據自身使用場景，關注其款式設計、透氣性能、涼感特性以及吸溼快乾等舒適性指標。還需注意的是，防曬服裝或配飾隨穿戴時間、環境，其防曬功能性會減弱。 王玲介紹，防曬產品的防紫外線性能是跟它的使用場景還有洗滌的次數是相關的。因為隨著洗滌的過程，它的防紫外線的性能會下降，所以我們一定要關注它的耐久性，儘量去選擇耐多次水洗的產品。
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
月神直播
「活动」首次登录送新手大礼包
- 软件大小: 469.76MB
- 最后更新: 2025-12-03 01:34
- 最新版本: v18.12.13.1
- 文件格式: apk
- 应用分类:ios-Android 蜜疯直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.23以上
客服热线：134-4853-9528
小草莓直播类似软件
猜你喜欢
86192
79
98423
15728
79
2025-12-03 01:34
48193
17
2025-12-03 01:34
94852
15
2025-12-03 01:34
25869
32
2025-12-03 01:34
52784
17
2025-12-03 01:34
63215
97
2025-12-03 01:34
74825
79
2025-12-03 01:34
28534
46
2025-12-03 01:34
61349
28
2025-12-03 01:34
38415
45
2025-12-03 01:34
46
69485
29
13
21456
89
35
56
13
89257