【講習所·抗戰勝利80周年】「如果沒有中國，二戰的結果或許會完全不同」
2025-10-26 14:09 5,735次浏览北京8月11日電 (記者 趙建華)中國國家稅務總局11日公布的數據顯示，截至今年6月底，全國有1.33萬戶資源回收企業向167萬名自然人「反向開票」，開票金額5152億元(人民幣，下同)，開票511萬份。「反向開票」政策在助力「兩新」政策落地、促進循環經濟發展等方面，積極效應不斷顯現。 「反向開票」是指，自然人報廢產品出售者向資源回收企業銷售報廢產品，符合條件的資源回收企業可以向出售者開具發票。2024年4月29日起，為配合推動新一輪大規模設備更新和消費品以舊換新行動，中國稅務部門明確在資源回收行業實施「反向開票」政策。長期困擾資源回收行業的「源頭票缺失」難題得到有效解決，推動資源回收企業「收舊」無阻、「換新」暢通。 安徽蕪湖一家報廢機動車回收拆解公司的財務負責人吳兵林介紹，「我們拆解的報廢車散件可供給集團內備件公司，通過再利用減少新部件生產的資源消耗；廢鋼、廢鋁等再生資源銷往鋼鐵冶煉企業，助力減少礦山資源採伐；車輛電池輸送給集團內電池回收利用企業，實現動力電池綜合利用與資源最大化循環。」在政策支持下，一年多來，公司累計向4000餘名自然人「反向開票」，開票金額近800萬元，預計今年公司報廢車拆解處理量將達到2萬臺，增幅超100%。 中國有色金屬工業協會副會長王健表示，「反向開票」政策的推廣，有效解決了資源回收企業長期以來缺少「第一張票」，既無法抵扣增值稅進項稅額，也難以獲取企業所得稅稅前扣除憑據這一行業「痛點」，鼓勵更多企業和個人參與廢舊物品回收，支持「兩新」政策落地，促進循環經濟發展。 浙江寧波一家處理建築裝修廢料的公司財務負責人何俊濤介紹，「反向開票」政策允許企業作為開票主體向上遊散戶開具收購發票，「散戶交投——企業回收——加工再生——市場銷售」鏈條暢通。如此，不僅提升了建築裝修廢料的資源化率，還帶動了上下遊協同。例如，環保磚的生產降低了對天然砂石的依賴。「反向開票」政策實施以來，公司銷售的廢舊物資同比增長超過58%，提升了企業發展活力，讓循環經濟的「齒輪」咬得更緊、轉得更快。 推動廢舊物資回收的同時，「反向開票」政策的實施對廢舊物資的資源化利用和無害化處理也起到了支持作用。廣西一家回收拆解各類廢舊家電的公司環保信息部副經理蔣嚴華介紹，「反向開票」流程順暢，公司財務成本降低，省下來的資金可以用到資源深加工上。公司對拆解下來的鋼、鐵、鋁、銅、玻璃及稀有貴金屬等可利用的資源進行分類儲存，深加工後重新應用於汽車、電器、家居裝飾的製造，對廢舊物品的利用率達98%以上。 在政策引領和市場推動下，中國回收體系日益健全，推動廢物回收、拆解、再利用產業鏈條「轉起來」。數據顯示，今年前4個月，中國國內報廢汽車回收量達276.7萬輛，同比激增65%；規範拆解的廢舊家電超過700萬臺，增長25%；廢棄電器電子產品回收量以70%的同比增速領跑行業。(完)
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5.3直播
「活动」首次登录送新手大礼包
- 软件大小: 715.71MB
- 最后更新: 2025-10-26 14:09
- 最新版本: v6.8.4.11
- 文件格式: apk
- 应用分类:ios-Android 荔枝网直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.38以上
客服热线：138-6982-1859
黄瓜直播类似软件
猜你喜欢
52981
82
74618
95
2025-10-26 14:09
21583
82
2025-10-26 14:09
23579
62
2025-10-26 14:09
92415
89
2025-10-26 14:09
37596
32
2025-10-26 14:09
45312
97
2025-10-26 14:09
32869
47
2025-10-26 14:09
83745
28
2025-10-26 14:09
84631
71
2025-10-26 14:09
21687
15
2025-10-26 14:09
78945
64
2025-10-26 14:09
54
72
72354
69732
18573
85
56912
24357
31
43697
15
29361