川普稱見普京將是一次「試探性會晤」
2026-01-19 11:26 5,761次浏览在美國關稅政策再成焦點之際，諾貝爾經濟學獎得主保羅·克魯格曼(Paul Krugman)近日接受英國《金融時報》播客節目邀請，與《金融時報》首席經濟評論員馬丁·沃爾夫(Martin Wolf)展開對話，製作推出六期特別節目《沃爾夫-克魯格曼對話》，討論了美國在川普政府政策下面臨的信任危機和治理崩潰的風險，特別對川普政府的貿易與關稅政策進行了罕見的系統性批評。 △克魯格曼在《金融時報》播客節目中，對川普政府的關稅政策進行了尖銳批評 克魯格曼在訪談中說，川普政府正將關稅從一個經濟調節工具變為赤裸裸的「政治威脅手段」，不僅破壞了全球對美國制度的信任，也正在侵蝕美國國內的治理基礎。 「談則減稅，拒則懲罰」的新秩序 克魯格曼認為，川普在任期間對中國、歐盟及其他經濟體不斷揮舞關稅大棒，意在逼迫對方就範，這種「威脅即政策」的做法已成為一種新型經濟外交常態。克魯格曼直言，該策略正在顛覆自布雷頓森林體系以來美國所主導的「規則型貿易秩序」，將其引向一個以「力量至上」為導向的非制度化時代。 △在《沃爾夫-克魯格曼對話》第一期節目中，克魯格曼批評川普常以「一條推文決定政策」的方式來調整關稅，其無序性與不可預測性導致全球市場對美國失去信心 「這不僅是對經濟學理性分析的否定，更是對合作機制的根本破壞。」克魯格曼強調。他舉例稱，川普政府對墨西哥、加拿大和中國等主要貿易夥伴頻繁更改關稅威脅言辭，嚴重打擊了投資者和企業對未來政策環境的預期穩定性。「當經濟行為者不再相信規則本身具有連續性，而是擔心哪天總統發一條推文，稅率就變了，這不是市場經濟，而是政策投機。」 從制度經濟體滑向「尋租國家」？ 這次訪談中，克魯格曼提出一個判斷：如果關稅政策工具繼續被武器化，美國將愈發像一個「尋租型國家」(rent-seeking state)，即決策權不再由制度和法治約束，而成為政治集團或個人謀取短期利益的手段。 「在某種意義上，川普的關稅政策展示了他眼中『總統權力』的極限邊界——不是去調和利益，而是用威脅製造服從。」克魯格曼表示，這種做法讓他想起一些治理脆弱國家的「強人統治」模式。 克魯格曼進一步表示，正是這種任意性極強的行政權使用方式，正在導致「制度信任的崩塌」，不僅損害了美國在全球經濟治理中的正當性，也動搖了其作為「安全資產提供者」的地位。克魯格曼說：「你不能一方面要求全球資金繼續信任美元、美國國債，一方面又在國內政治與國際政策上大搞不確定性。」 關稅邏輯背後的「美國優先」困境 克魯格曼強調，川普對關稅的使用並非源自嚴謹的產業保護主義邏輯，而是一種民族主義情緒的表達工具，是其「美國優先」政策的直接延伸。 他分析稱，這種情緒政治化的關稅政策雖然短期內可帶來選舉紅利，但長期來看，其實際經濟收益微乎其微，甚至可能引發全球供應鏈脫鉤和美國製造業成本上升。 克魯格曼警告說：「關稅從來都不是孤立存在的，它必然引發連鎖反應。而這種反應的最大受害者，往往是本國消費者與小企業。」 經濟學家的「悲觀旋律」 在訪談節目結尾，當主持人請嘉賓選擇一首代表當前情緒或觀點的歌曲時，克魯格曼選擇了美國已故著名女歌手卡羅爾·金(Carole King) 的名曲《為時已晚》(It's Too Late)。克魯格曼表示，雖然這首歌並非關於政治，但它的憂鬱旋律和「為時已晚」的主題，卻恰如其分地表達了他自己對美國制度滑坡的無奈與悲觀。 《金融時報》評論認為，克魯格曼的言論，在當下的美國政壇語境中頗具警世意味。美國是否會徹底從「制度主義」滑向「工具主義」，將是全球密切關注的焦點。(央視記者 武衛紅)
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。
么么直播
「活动」首次登录送新手大礼包
- 软件大小: 548.31MB
- 最后更新: 2026-01-19 11:26
- 最新版本: v14.14.17.17
- 文件格式: apk
- 应用分类:ios-Android 浪花直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.18以上
客服热线：133-5218-4871
魅影app免费下载安装类似软件
猜你喜欢
73168
47
97
64283
43
2026-01-19 11:26
14563
21
2026-01-19 11:26
78925
47
2026-01-19 11:26
29746
34
2026-01-19 11:26
89371
61
2026-01-19 11:26
29658
78
2026-01-19 11:26
61492
24
2026-01-19 11:26
24739
57
2026-01-19 11:26
65183
26
2026-01-19 11:26
84237
81
2026-01-19 11:26
34172
52318
75
35196
71
76
46
39862
43
98
19
52683
25734