多國代表探訪閩北科特派和科技小院
2025-10-25 12:00 7,358次浏览上周，美國政府確定了對多個國家和地區徵收「對等關稅」的稅率。美國一些人試圖通過行政手段重塑國際貿易格局，其深遠影響將大大超出始作俑者的預期。極限施壓舉措雖然短期內榨取了些許利益，卻嚴重透支了美國的國家信譽。從某種意義上講，美國的霸凌行徑給全球加速「去美國化」進行了一次廣泛的思想動員。 7月31日，美國總統川普籤署行政令，宣布上調從近70個貿易夥伴進口商品所適用的從價關稅稅率。白宮發布的信息顯示，絕大多數貿易夥伴的商品在進入美國市場時將適用從10%至40%不等的關稅稅率，新的關稅稅率將在行政令發布7天後開始實施。 今年以來，美國政府宣布所謂「對等關稅」，片面強調「美國吃虧論」，以極限施壓陷全球經濟發展於險境，嚴重衝擊了全球貿易、投資、金融體系，為世界經濟復甦蒙上陰影。近期，美國還聲稱與多個經濟體達成貿易協議，似乎極限施壓取得了效果。不過，越來越多的美國人開始意識到關稅對自身利益造成的損害，而那些被迫讓步的國家、地區並非心甘情願接受美國的脅迫，全球各方正積極尋找替代方案來應對美國加徵關稅的衝擊。時間越久，對保護主義損害各方利益的本質就看得越清，不斷加速全球「去美國化」，進而對世界經濟走向產生長期影響。 美國加徵關稅以減少貿易逆差、保護國內產業並推動製造業回流的目標難以實現。關稅作為價格幹預工具，在抬高進口商品成本的同時，並未解決美國本土製造業面臨的勞動力短缺、基建成本高等結構性問題。這導致製造業回流進度顯著滯後於政策預期，供應鏈調整也推高了本土企業的生產成本。同時，關稅成本通過價格傳導機制主要轉嫁至美國消費者，削弱了居民實際購買力，與美方一些人聲稱的「保護民生」目標相去甚遠。 加徵關稅舉措破壞了現行多邊貿易體系的非歧視原則，可能導致全球貿易量系統性萎縮。加徵關稅不僅推高跨國交易成本，更迫使企業重構供應鏈，從追求效率的經濟全球化布局轉向強調安全的區域化配置。產業鏈的區域化重組雖能規避部分關稅風險，但必然伴隨資源配置效率的損失，這種效率折損最終體現為全球範圍內的通脹壓力，即使是美國也無法置身事外。 同時，現代製造業依賴高度專業化的全球分工，中間品跨境流動構成價值鏈的核心紐帶。美國對零部件和半成品加徵關稅，直接抬高了本土製造業的投入成本。汽車、電子等深度融入全球價值鏈的行業受影響尤為顯著，其生產成本的上升不僅削弱國際競爭力，更可能引發投資縮減與產能轉移。即便未來關稅政策調整，企業為規避政策不確定性建立的冗餘供應鏈也將持續推高運營成本，而這正是美國國家信譽透支以後產生的惡果之一。 當美國單邊行動削弱世貿組織爭端解決機制的有效性時，不僅改變貿易流向，更將重塑國際經貿規則體系。當更多國家採用本幣結算、共建區域產業鏈時，傳統以美元和美國市場為核心的貿易體系面臨根本性挑戰，長期可能加速多極貿易格局的形成。當世界開始繪製「沒有美國」的貿易版圖時，華盛頓的霸權根基已然動搖。 美國在1930年實施的《斯姆特—霍利關稅法》曾引發全球貿易大幅萎縮，將世界拖入大蕭條。近百年後，美國政府挑起的關稅戰已觸發相似風險。今年4月下旬，世界貿易組織預計2025年世界商品貿易量將下降0.2%，比「低關稅」基線情景下的預期低近3個百分點，「如情況惡化，全球貿易量可能會進一步萎縮」。 但是也要看到，今時今日，覺醒的「全球南方」已不再如當年那般被動承受，而是主動重構規則，開闢新天地。當歐盟車企轉向亞洲市場、東南亞工廠調整供應鏈、拉美國家擁抱金磚體系時，一個清晰的信號已然浮現：通過脅迫贏得的協議終將被時間瓦解，而被迫低頭的國家和地區正悄悄用行動抵制單邊主義。美國一些人肆無忌憚的極限施壓，恰恰成為全球「去美國化」的催化劑。(本文來源：經濟日報 作者：連俊)
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: 793.95MB
- 最后更新: 2025-10-25 12:00
- 最新版本: v18.7.3.7
- 文件格式: apk
- 应用分类:ios-Android 魅影直播游客免登录
- 使用语言: 中文
- : 需要联网
- 系统要求: 6.27以上
客服热线：134-5631-6149
27
91874
63
74612
78
2025-10-25 12:00
94783
46
2025-10-25 12:00
86243
87
2025-10-25 12:00
13596
54
2025-10-25 12:00
65382
67
2025-10-25 12:00
14935
26
2025-10-25 12:00
39172
37
2025-10-25 12:00
38279
84
2025-10-25 12:00
98273
57
2025-10-25 12:00
95186
62
19
18274
24
18534
12
38142
42168
64
71