對未成年人犯罪，如何做到「寬容不縱容」？
2025-12-21 16:40 1,493次浏览銀行基金代銷的「費率戰」再度升級。 繼國有大行、股份制銀行紛紛將基金代銷費率降至1折後，市場費率競爭進一步加劇。近日，部分中小銀行加入讓利陣營，將該費率壓低至0.1折，引發市場廣泛關注。 蘇商銀行特約研究員高政揚表示，中小銀行大幅下調基金代銷費率，根源在於市場競爭加劇與客戶流失的雙重壓力。受制於大型銀行與網際網路平臺的雙向擠壓，中小銀行客戶基數與業務規模有限，只能以降價為手段吸引客戶。 部分產品費率低至0.1折 8月4日，深圳農村商業銀行發布公告稱，自8月5日起，投資者通過該行手機銀行APP申購指定的9隻開放式基金(前端模式)，可享申購手續費0.1折優惠，優惠涵蓋定期定額投資業務。 今年2月，常熟農村商業銀行推出類似政策：投資者通過該行手機銀行渠道辦理指定基金產品的申購(含定投)業務，可享申購費率0.1折優惠。所涉基金均為前端收費模式(即申購時扣除手續費)的指定公募基金。 高政揚表示，目前享受0.1折費率優惠的基金產品主要有三方面特徵：一是產品類型偏向保守，以低風險類為主，如部分指數型基金、債券類基金；二是申購渠道通常限定為手機銀行；三是費率優惠多針對前端費率。這一現象主要是為了定向激活線上流量。 相比之下，大型銀行及股份制銀行基金代銷費率仍維持1折優惠費率。例如，7月15日，平安銀行公告稱，對18隻指定基金產品的申購及定投費率實施1折優惠。而自去年起，農業銀行、交通銀行等國有大行已紛紛將基金代銷費率降至1折。 上海金融與法律研究院研究員楊海平認為，此次中小銀行將基金代銷費率降至0.1折，主要原因有三：一是在淨息差承壓背景下，更多中小銀行加入基金代銷行列並加大拓展力度；二是出於階段性獲客需求，通過營銷活動吸引客戶；三是公募基金費率改革深入推進，以降低投資者成本、推動基金公司與投資者利益更緊密綁定為核心，使得公募基金的盈利壓力向渠道端傳導。 仍需聚焦服務與產品深耕 依託網點布局與客戶資源的天然優勢，銀行長期以來都是基金代銷的主力軍。但隨著券商、獨立基金銷售機構快速崛起，中小銀行在這一領域尤其面臨不小的挑戰。 高政揚分析稱，中小銀行承受著多重競爭壓力：一是來自國有大行和股份制銀行的擠壓——大型銀行憑藉深厚的客戶積澱、強勁的品牌影響力、廣泛的渠道覆蓋，以及出色的選品與綜合服務能力，讓中小銀行難以在價格和產品上形成差異化優勢；二是網際網路平臺的直接衝擊，這類平臺以便捷性、低費率和豐富產品為抓手，依託海量用戶吸引大量年輕投資者，導致傳統銀行代銷業務客戶分流。 市場對0.1折超低費率的可持續性關注度較高。目前1折仍是行業主流最低優惠，0.1折超低價多限於中小銀行的特定產品和渠道，尚未形成規模效應。中國郵政儲蓄銀行研究員婁飛鵬認為，短期內受渠道和品牌劣勢制約，降價是中小銀行搶佔市場的直接手段，但「費率戰」可能引發監管關注，長期看或難以為繼。 業內人士認為，基金代銷市場的競爭最終要回歸產品與服務本身。「對中小銀行掀起的價格競爭應客觀看待，超低費率本質是通過犧牲短期利潤換取客戶流量，長遠看仍需在產品與服務上深耕。」高政揚表示，未來核心競爭力需聚焦四方面：提升選品能力，提供更優財富管理策略；豐富代銷產品種類，滿足多樣化需求；增強服務創新，提供資產配置與全周期陪伴服務，提升客戶滿意度；深耕區域客群需求，綁定本地化場景，避免同質競爭。 （證券日報）
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。
魅影app下载免费版
「活动」首次登录送新手大礼包
- 软件大小: 491.23MB
- 最后更新: 2025-12-21 16:40
- 最新版本: v13.5.4.13
- 文件格式: apk
- 应用分类:ios-Android 红杏直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 1.79以上
客服热线：135-6537-6914
24
52684
51972
98
2025-12-21 16:40
58196
35
2025-12-21 16:40
49358
91
2025-12-21 16:40
18259
56
2025-12-21 16:40
37912
97
2025-12-21 16:40
98365
79
2025-12-21 16:40
17698
57
2025-12-21 16:40
96472
63
2025-12-21 16:40
84793
89
2025-12-21 16:40
29
28649
48
95
47236
38642
96
42
59
35281
21497
64
14