「將先輩用生命結下的情誼傳承下去」（偉大勝利·歷史貢獻）
2026-01-15 10:01 7,236次浏览濟南8月13日電 (李明芮)打造數據驅動型醫藥中間體獨角獸企業、吸引創新藥企籤約、為消費者提供科學豐富的營養解決方案……時下，濟南市錨定生物醫藥產業賽道，擘畫涵蓋研發、生產、流通、應用全鏈條的生物醫藥新藍圖，推動產業從「跟跑」向「領跑」跨越。 8月13日，媒體記者參觀產發健康醫藥產業谷項目。李明芮 攝 記者8月13日跟隨濟南市「一月一主題」集中採訪暨「項目提升看商河」主題宣傳活動走進商河經濟開發區，實探當地向「藥」而興深耕生物醫藥新藍海的生動實踐。 在宏濟堂製藥(商河)有限公司商河產業基地項目現場，記者看到，該項目主體已完工，正在進行裝飾裝修和設備安裝工作，各項收尾環節有序銜接。 據上述公司總經理郝敬良透露，該項目將建成宏濟堂中醫藥智能工廠，主要建設麝香酮生產車間、中試車間、環15生產車間、多功能生產車間、動力車間、汙水處理站等，預計本月完工，9月底投產。 「項目致力於打造一流的數據驅動型醫藥中間體獨角獸企業，建設5G+工業網際網路綠色生態型精細化工產業園區，塑造創新區域燈塔式智能工廠新標杆。」郝敬良表示，隨著宏濟堂中醫藥智能工廠的正式投產和全面達產，將為商河縣乃至山東省的醫藥健康產業發展注入新的強勁動力，同時也將為消費者提供更加優質、高效的中醫藥產品和服務。 產發健康醫藥產業谷項目則主要建設甲類廠房、甲類倉庫、丙類廠房、丙類倉庫、質檢廠房以及配套設施等，依託省級醫藥化工專業園區基礎優勢，重點引進醫藥中間體、原料藥、創新藥物、消費型藥物及生物製劑研發及生產項目。 濟南產發健康醫藥產業發展有限公司招商經理孟憲克表示，該公司採用「先引鳳後築巢」策略，憑藉「入駐即享2000萬元(人民幣，下同)天使基金」的承諾，吸引信諾維醫藥等多家創新藥企提前籤約。 如今，產發健康醫藥產業谷項目園區已建成聯合實驗平臺，企業可共享價值1.2億元的CNAS檢測設備，研發成本降低70%。「項目一期已完工，二期建成後，將形成17家企業的『葡萄串效應』，年產值突破30億元，成為濟南生物醫藥產業的新引擎。」孟憲克說。 作為國內運動營養食品領域的龍頭企業，山東斯伯特生物科技有限公司是一家集運動營養與保健食品研發、生產、銷售和服務於一體的全產業鏈企業集團，旗下品牌諾特蘭德專注全維營養，覆蓋多元消費需求。 諾特蘭德市場及戰略VP艾旭介紹說，山東斯伯特生物科技有限公司自2019年開始自建生產工廠，已實現全面自主生產，目前擁有濟南斯伯特生物科技有限公司、山東捷晶兩大生產基地。 「公司實現了粉劑、片劑、液體等多種劑型的產品生產，能夠更好地承接轉化研發成果，為消費者提供更為科學豐富的營養解決方案。」艾旭說。 據了解，商河經濟開發區高端醫藥化工產業現有規上工業企業39家，2024年實現產值64.2億元，同比增速17.4%，佔開發區工業總產值的39.12%，到2025年底，園區高端醫藥化工產業產值佔工業總產值的比重將達43%。(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。
97播播
「活动」首次登录送新手大礼包
- 软件大小: 429.72MB
- 最后更新: 2026-01-15 10:01
- 最新版本: v18.8.2.4
- 文件格式: apk
- 应用分类:ios-Android 少妇免费直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.76以上
客服热线：135-8359-6129
16
38491
54
2026-01-15 10:01
43581
94
2026-01-15 10:01
47369
69
2026-01-15 10:01
51283
53
2026-01-15 10:01
47815
27
2026-01-15 10:01
38697
78
2026-01-15 10:01
52416
45
2026-01-15 10:01
42176
78
2026-01-15 10:01
24875
31
2026-01-15 10:01
29178
38
42178
29
46352
43281
81469
98132
58796
