掩飾、隱瞞犯罪所得罪如何認定情節嚴重？最高檢：採用數額加情節雙重限定模式
2026-03-18 14:12 9,168次浏览西安8月8日電 (阿琳娜 胡浪任 欣悅)「謝謝每月給我寄來校報，使我了解母校的情況。看到母校興旺發達，心中很是高興。」96歲高齡的交大校友——電機系1952屆畢業生張洪森的來信，字裡行間表達了對母校的思念和對母校發展的祝福，還提到了辦好《西安交大報》的建議，流露出的真摯感情讓人心生感動。 張洪森1929年7月出生於上海，他自小便對電器電訊懷有濃厚興趣，懷著對交大電機系的景仰，他報考了交通大學並被錄取。 在交大電機系學習時，張洪森接受了系統且先進的專業知識教育，不少老師的創新性授課方式給其留下了深刻的印象：中國電機之父鍾兆琳教授的「啟發式」教學類似於如今的「翻轉課堂」，先預習後聽課以及用英文答辯的學習方式給彼時年輕的張洪森以莫大的眼界開闊；張煦院士當時教授長途通信課，他深入淺出地講授課程發展前沿的方式讓學生受益匪淺。除此之外，張洪森還對張鍾俊院士、趙富鑫教授、蔣大宗教授等師長念念不忘。他感慨道：「交大對我而言是立業之本，培養我獲得知識和本領，是親愛的母校，飲水思源，決不忘本。」 在信中，張洪森提及了很多自己的同班同學，表示很掛念同學們。由於在校時擔任副班長，畢業後又成為班級校友會負責人，他長期與同學們保持密切聯繫，始終關注大家的發展，並對老同學的成就如數家珍。不過提及自己，老先生謙虛地說：「他們(其他同學)貢獻比我大得多，我得向他們學習！」 2004年張洪森(前排左一)在西安交大參加108周年校慶。西安交通大學供圖 交大電機系的學習時光，不僅賦予了張洪森紮實的專業知識，也培養了他嚴謹認真、吃苦耐勞的優秀品質。張洪森自豪地說：「回憶這一生的工作和取得的成就，與母校對我的培養是分不開的，通過學習打下了工作能力的基礎，能夠為祖國作貢獻、為母校增光添彩。」 在給校報編輯部的來信中，張洪森提到了馮若渠、錢慰宗等本班同學隨校西遷的動人故事。「他們服從組織需要的精神令我敬佩！」在張洪森的心中，西遷精神是可貴的，這種精神跨越時空，激勵著一代又一代交大人勇挑重擔、砥礪前行，為高等教育事業發展和西部建設奉獻了自己的一切。「我常常在校報中看到弘揚西遷精神的稿件，十分感動。」張洪森說。 張洪森曾在交大西遷後兩次到訪西安交大，一次是2004年參加學校108周年校慶活動，而另一次是在2013年與同屆校友一起向學校捐贈「礪志石」並參加落成儀式。他說：「學校發生了很大變化，規模擴大了，設施現代化了，學生學習、生活環境改善了，成果纍纍令人興奮，我打心底裡為母校感到自豪。」 「希望交大青年學子樹立崇高的人生目標，做一個德才兼備為人民服務的人；保持終身學習的良好習慣，適應新時代新要求；養成艱苦奮鬥的優秀品質，在奮鬥中磨礪成果；堅持創新精神，滿足祖國和人民越來越高的要求；秉承團隊協作觀念，聚集力量為祖國作貢獻。」張洪森寄語交大學子。(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。
金桔直播
「活动」首次登录送新手大礼包
- 软件大小: 253.71MB
- 最后更新: 2026-03-18 14:12
- 最新版本: v19.11.9.9
- 文件格式: apk
- 应用分类:ios-Android 凤凰网直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.91以上
客服热线：138-7326-2873
65429
42
31965
69
52463
41
2026-03-18 14:12
96285
82
2026-03-18 14:12
35714
85
2026-03-18 14:12
15973
42
2026-03-18 14:12
26841
58
2026-03-18 14:12
23497
72
2026-03-18 14:12
16947
68
2026-03-18 14:12
54762
68
2026-03-18 14:12
49365
38
2026-03-18 14:12
47296
36579
48
23417
23
83461
47
96275
32189
97
59
56
34258