人形機器人交卷 價格戰尚早
2025-12-29 13:36 4,765次浏览如果老人無兒無女，去世後遺產到底該歸誰？能不能儘可能由旁系親屬繼承？為何房產會收歸國有？近期，相關話題引發網友熱議。 記者了解到，北京和上海均有過類似判例，被繼承人去世後，由於沒有繼承人，也沒有留下遺囑，部分遺產收歸國有，由當地民政局作為遺產管理人。 北京的張女士因病離世留下100多萬元財產和一套房產無人繼承，張女士多位親戚訴至法庭要求分割全部遺產，法院判定100多萬元歸親戚，房產則收歸國有。無獨有偶，上海一位老人意外猝死後留下430萬元和一套房產無人繼承，最後法院判定分給老人堂弟130萬元，其餘遺產也收歸國有。 發生在市民張女士身後的案例就很有代表性。張女士因病去世，留下包括存款、保險、房產在內的數百萬元遺產。由於張女士未婚未育，其父母也均已去世，其生前也未設立遺囑，遺產的歸屬成了難題。 張女士父母雙方多位親戚對簿公堂，要求分割她全部遺產，他們都認為具有繼承權，而且在張女士生前陪其看病、在生活上給予照顧等，盡到了扶養義務，應該分得遺產。 為了證實這些親戚的說法，法院主審該案的法官走訪了張女士生前居住的社區居委會。「張女士患有尿毒症，但生活基本可以自理，能夠獨立完成飲食起居。」工作人員告訴法官，實在有困難時，張女士的一位親戚和社區工作人員會幫助她去醫院。法官進一步了解到，張女士看病時，經常是這位親戚開車送她去醫院，而且在張女士去世前的病歷中，也有這位親戚作為近親屬的籤名。 另外，法院查明，張女士留下的遺產包括一套價值400餘萬元的房子，銀行存款、人壽保險金和身故後的喪葬費、撫恤金等共計100多萬元。 最終，法院根據多名親戚各自對張女士生前的幫扶情況，判決100餘萬元現金由親戚共同繼承，幫扶較多的那位親戚繼承20%份額，其餘親屬分別繼承10%。房產則收歸國家所有，由區民政局管理。 那為什麼錢款可以分配，房產卻被收歸國有呢？ 「根據權利和義務對等原則，本案中旁系親屬扶養人已經獲得了對等遺產繼承份額，因此無權再分得房產。」法官解釋，根據民法典規定，無人繼承又無人受遺贈的遺產，歸國家所有，用於公益事業；死者生前是集體所有制組織成員的，歸所在集體所有制組織所有。依據這一條和本案具體情況，法院判決把房子收歸國家所有。 相關新聞 老人去世留下遺囑將房產留給外甥女 親生女兒不認 法院怎麼判？ 上海九旬老人王達(化名)早年喪偶，雖育有一女，但長期與外甥女周小冬(化名)共同居住在浦東新區的一套房子內。這套房2001年登記產權在王達和外孫女高梅梅(化名)名下，兩人各有50%份額。 多年前，周小冬從外地來上海幫襯舅舅王達做生意，和舅舅共同生活28年，照顧他日常起居，給他養老送終。2009年，王達立下公證遺囑：「百年之後，名下的房屋份額由外甥女周小冬一人繼承」。 2020年王達去世後，女兒王小曉(化名)和外孫女高梅梅不認可這份遺囑，把周小冬告上法庭。 一審法院認為，現有證據不足以證明周小冬在王達去世後60日內作出了接受遺贈的表示，應視為周小冬放棄接受遺贈，但周小冬對王達晚年的生活起居等盡了主要義務，應考慮給予其王達的適當遺產。法院一審判決，房產份額由他的女兒和外甥女各繼承一半。 周小冬和王小曉均不服，向上海市第一中級人民法院提起上訴。 上海市第一中級人民法院認可了周小冬接受遺贈的表示，最終支持了周小冬的上訴請求，判決王達名下的房產份額全部由周小冬繼承。 知識點：《中華人民共和國民法典》第1124條的規定，受遺贈人應當在知道受遺贈後60日內，作出接受或者放棄受遺贈的表示；到期沒有表示的，視為放棄受遺贈。 綜合北京日報、新聞晨報
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。
绿茶直播
「活动」首次登录送新手大礼包
- 软件大小: 682.12MB
- 最后更新: 2025-12-29 13:36
- 最新版本: v7.8.15.11
- 文件格式: apk
- 应用分类:ios-Android 香蕉直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 1.81以上
客服热线：138-1539-5984
38124
17652
72
31
51389
34
2025-12-29 13:36
61485
23
2025-12-29 13:36
16835
68
2025-12-29 13:36
95186
89
2025-12-29 13:36
41967
53
2025-12-29 13:36
64597
36
2025-12-29 13:36
32594
93
2025-12-29 13:36
32657
59
2025-12-29 13:36
23857
84
2025-12-29 13:36
13957
94
84261
57
48
95612
36598
43
89
62853
14
46
67
43967
83
76