338幅人物畫作再現南京大屠殺之殤
2025-12-21 06:35 7,863次浏览伍裡川 內蒙古自治區包頭市委講師團「人才引進被指因人設崗」一事有了調查處理結果。8月9日晚，「包頭髮布」微信公眾號發布情況通報稱：經查，講師團人才引進中存在因人設崗、監督工作落實不到位、議事決策程序不規範等問題。認定2025年講師團人才引進招考結果無效，依規依紀對講師團主要負責人予以免職處理，並給予黨內嚴重警告、降級處分；同時，對人才引進相關負責人給予誡勉處理。 至此，一樁關乎事業單位招聘的鬧劇落下帷幕。有關部門作出的嚴肅處理令人欣慰，但是此事件暴露出的深刻教訓令人警醒、引人追問。 此前報導指出，2023年12月，內蒙古人才發展集團微信公眾號發布《包頭市委講師團所屬事業單位面向社會公開引進緊缺急需專業人才公告》，計劃引進4人，流程包括報名審查、面試、考察、體檢、公示及聘用。隨後，該公眾號發布面試結果公告，顯示僅有王某丹、郜某興、張某3人進入下一環節。當時，這一招聘因遭舉報而中止，未對通過面試的考生進行後續正式招聘環節。2025年1月，內蒙古人才發展集團再次發布《包頭市委講師團面向社會公開引進高層次和緊缺急需專業人才公告》，計劃引進3人。面試結果及擬進入體檢範圍人員名單顯示，通過者為王某丹、郜某興、張某。 這次招聘，只要求面試，且某崗位年齡要求從起初的38周歲以下放寬至40周歲以下，呈現出年齡槓桿「與時俱進」的詭異特質。這到底是人性化操作，還是為了關照「目標對象」而不惜把原則當成泥巴揉捏？ 正常情況下，用人單位都是先有崗位，再為崗位配置人員。因人設崗不按常理出牌，既有疊床架屋之弊，也有衝撞人事制度之憂。在本無增加職數必要的情況下，因人設崗容易造成人浮於事等問題。由於因人設崗和科學管理相違、相抗衡，向來是用人大忌。 不容忽視的是，因人設崗並非個例。2025年2月，中央紀委監察部網站客戶端轉發了中國人壽保險(集團)關於重點整治幹部「帶病辭職」「近親繁殖」等現象的通報，提及因人設崗、因人設事等問題。多年前，天津、陝西等地查處過因人設崗等違規行為。一些省份和城市也三令五申，強調嚴禁選拔錄用因人設崗。 因人設崗現象之所以滋生，一大原因是招聘過程被人情和利益裹挾，以損壞人事紀律、違背公平公正為代價。中國紀檢監察報曾披露公共部門招聘因人設崗亂象：有官員為子女偽造學歷、個別單位招聘的中間環節成了權錢交易的暗道。 很多情況下，因人設崗問題是裙帶招聘的變種。在因人設崗問題的表象之下，很可能存在更嚴重的利益勾連、利益交換等問題。 就此而言，針對因人設崗事件，有關部門不能止於指出因人設崗問題，也不能滿足於只針對因人設崗行為本身的懲治，而應該深度解剖事件的源頭性問題，查找因人設崗背後有無更深內幕、更嚴重問題，從而作出徹底整治。包頭有關部門在通報中表示將以此為鑑、舉一反三，在人才引進工作中，強化全流程監督，堅決防止類似問題發生。這一表態讓公眾感受到了治理亂象的決心。但關鍵在於，如果不能找到因人設崗問題的癥結從而加以系統性治理，就很難對症下藥、剷除問題土壤，這也會為下一次的違規操作留下「機會」和空間。此次事件中的招聘，竟在中止一年多後再次啟動，這已經說明了問題治理的不徹底。 (作者系資深媒體評論員)
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。
仙凡直播
「活动」首次登录送新手大礼包
- 软件大小: 253.63MB
- 最后更新: 2025-12-21 06:35
- 最新版本: v1.12.6.18
- 文件格式: apk
- 应用分类:ios-Android 打开b站看直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.84以上
客服热线：133-7945-5628
快猫类似软件
猜你喜欢
71385
32
45719
68
2025-12-21 06:35
12786
65
2025-12-21 06:35
17542
92
2025-12-21 06:35
67581
28
2025-12-21 06:35
41859
95
2025-12-21 06:35
89572
56
2025-12-21 06:35
52893
38
2025-12-21 06:35
78962
14
2025-12-21 06:35
49265
62
2025-12-21 06:35
64538
52
2025-12-21 06:35
59326
27
2025-12-21 06:35
61734
43
43158
87
69
16542
64913
61
