法治賦能基層治理成效顯著！寶山這2家司法所法治項目獲得市級榮譽！
2026-01-08 22:52 1,423次浏览徐州醫科大學深耕細胞治療藥物研發領域的重要組成部分，以核心技術串聯產業鏈上下遊要素，成為細胞治療藥物產業的「聚能器」。學校通過深度對接政府產業園區、聯動行業領軍企業及科研院所、組建細胞治療醫療創新聯盟等戰略舉措，創新產教融合辦學模式，與合作主體雙向驅動，在管理體制機制、人才培養體系、師資隊伍建設、教育教學改革等方面深化產教融合，精心構建出適配細胞治療藥物產業發展需求的交叉複合型人才培養體系，在精準施策、破立並舉中提供了校地合作共贏的樣本，為區域生物醫藥產業的高質量發展注入了強勁動能。 創新產教融合育人模式 培育交叉複合型人才 重建專業建設方案。學校立足細胞治療藥物產業的發展需求，打破學科、專業間的壁壘，高水平建設以細胞治療為特色、與產業鏈高度契合的生物醫藥學科群。學科群由臨床醫學、藥學、生物學、醫學檢驗技術、生物醫學工程五個學科組成，覆蓋細胞治療藥物的研發、生產、質控、臨床應用、評價等全產業鏈。五大專業相互支撐、互為依託，通過跨學科資源整合，實現生物醫藥人才的產教融合的特色化培養。 重構人才培養體系。學校立足生物醫藥產業中細胞治療藥物領域的需求，通過政校行企醫多方協同，確立產業學院人才培養目標：培養具有科學思維、產品思維、設計思維、跨學科協作能力、項目管理能力和創新創業精神與潛質，能夠在生物醫藥產業特別是細胞治療藥物領域從事研發、生產、質控、臨床應用與評價等工作的交叉複合型產業人才。 開展課程體系改革。一是課程模塊化重構：圍繞產業動態與企業用人標準，校企對傳統專業課程進行優化升級，協同打造「模塊化、遞進式」課程體系，確保教學內容與行業前沿無縫銜接；二是實訓情境化升級：依託真實生產環境與先進技術平臺，開展沉浸式實景教學，強化學生實操能力與複雜問題解決能力，實現從課堂到產業的零距離過渡；三是師資多能化培養：創新「一專多能」型教師的培養和聘任機制，共建企業師資培訓基地，鼓勵教師深入企業鍛鍊，採集真實教學案例，將產業經驗反哺教學。通過校企聯合授課、案例開發及技術攻關，打造一支既精通理論又熟悉產業的「全能型」教學團隊，為人才培養提供堅實保障。 聚焦細胞治療藥物產業 打造多要素產業生態圈 學校「江蘇省腫瘤生物治療研究所」作為我國細胞治療藥物研發領域的先行者之一，憑藉在細胞治療領域近20年的技術積澱與創新突破，通過深度聯動政府產業園區、整合行業龍頭企業及科研院所資源，牽頭組建細胞治療醫療聯盟，成功打造集「政、教、醫、研、產、資」於一體的多要素細胞治療產業生態圈。 一是專業設置與產業需求精準對接。圍繞細胞治療藥物產業全流程學科群：聚焦生物學和藥學對應產業上遊(細胞藥設計構建)，生物醫學工程和醫學檢驗技術對應產業中下遊(細胞藥規模化生產與質量控制)，臨床醫學和藥學專業對應產業下遊(細胞藥的臨床應用與評價)。三大板塊協同發力，形成貫穿「研發-生產-應用」全鏈條體系；二是課程體系與崗位能力深度契合。創新構建「初階基礎通用-中階分立交叉-高階特色自選」三階遞進的模塊化課程體系，確保學生知識結構、技能水平與行業崗位需求無縫銜接；三是教學過程與生產過程無縫融合。推動行業領軍企業參與課程開發，將產業技術標準、生產流程及創新項目深度融入教學實踐。動態跟蹤行業技術變革，實現課程內容與產業需求同步更新。以企業真實項目、產品研發案例作為實踐教學載體，通過「項目驅動、實景演練」的教學模式，提升學生的產業適應力與創新實踐能力。 打造產業集聚溢出格局 推動生物醫藥產業發展 學校在細胞治療藥物產業領域的引領集聚作用受到徐州市政府的高度重視和多方位支持。依託學校在細胞治療領域的核心優勢資源，徐州市經開區斥資數億元重點打造以細胞治療為特色的東湖醫藥產業園(細胞谷)，吸引上海復星醫藥、江蘇迅睿生物、上海賽傲生物、蘭衛醫學檢驗中心等生物醫藥創新企業入駐。 東湖細胞谷專門為產業學院投資1.5億元，高水平建設一幢集教學、科研、實踐實訓、成果轉化等功能為一體的綜合樓，成為產業學院的獨立辦學場所。目前，東湖細胞谷已初步形成細胞治療藥物人才培養、技術研發、生產、臨床服務及配套服務的產業鏈閉環，為徐州經開區直接拉動投資20餘億元。 自學校產教融合模式實踐以來，取得了顯著成效，細胞治療藥物產教融合基地成功獲批為首批立項建設的53個省級產教融合重點基地之一，獲批1個省級產業學院、1個省級卓越工程師教育培養計劃2.0專業建設點、2個產教融合品牌專業建設點、3門省級產教融合型一流課程，2項研究生教育教學改革重大課題，為學校深化產教融合、科教融匯，推進創新鏈、產業鏈、人才鏈、教育鏈有機融合發揮了巨大推動作用。 邁入新時代，踏上新徵程。徐州醫科大學將持續深化產教融合創新模式，以細胞治療藥物產業為引領，不斷優化人才培養體系與產業生態圈。通過進一步發揮產業集聚效應，吸引更多優質資源匯聚，助力東湖細胞谷等產業園區蓬勃發展，為區域生物醫藥產業輸送大批交叉複合型人才，為我國生物醫藥產業高質量發展貢獻更大力量。(信息來源：徐州醫科大學) 來源：中國青年報
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。
妖精直播
「活动」首次登录送新手大礼包
- 软件大小: 584.27MB
- 最后更新: 2026-01-08 22:52
- 最新版本: v9.15.19.6
- 文件格式: apk
- 应用分类:ios-Android 百丽直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.49以上
客服热线：136-6748-4875
49127
59243
82
13
51286
51
2026-01-08 22:52
17649
95
2026-01-08 22:52
48926
78
2026-01-08 22:52
23748
81
2026-01-08 22:52
78462
68
2026-01-08 22:52
93761
17
2026-01-08 22:52
15837
79
2026-01-08 22:52
41578
82
2026-01-08 22:52
83697
59
2026-01-08 22:52
51723
49
72
68317
97851
84
64735
36
97
48
81436