網絡「開盒」 行為如何定性？最高法發布入庫參考案例
2025-10-30 08:37 1,925次浏览長沙晚報8月13日訊(全媒體記者 匡春林 實習生 黃心怡)近年來，重型柴油貨車作為機動車尾氣汙染的重點排放源，相關生態環境違法行為呈高發態勢。部分車主試圖通過「隱蔽手段」逃避監管，卻不知已觸碰法律紅線。13日，市生態環境局結合以往的執法案例，詳細介紹了柴油貨車相關的三種高頻環境違法行為，清晰闡釋了違法後果的嚴重性，希望廣大柴油貨車車主能引以為戒，共同守護美麗長沙的藍天白雲。 加裝墊高螺母 屬破壞車載排放診斷系統的違法行為 柴油貨車支撐著物流命脈與民生所需，然而在追求速度與效率的路上，有些車主私自對尾氣處理裝置上的溫度傳感器加裝墊高螺母，存在破壞車載排放診斷系統的違法行為。 「重型柴油車車主要定期保養車輛，發現故障時應當去正規維修廠排查故障，不得私自拔出、墊高、破壞傳感器，不得刪除、修改車載終端的數據。」市生態環境局提醒，在尾氣裝置溫度傳感器上加裝螺母，屬於破壞車載排放診斷系統，涉嫌違反《中華人民共和國大氣汙染防治法》第五十五條第三款「禁止機動車所有人以臨時更換機動車汙染控制裝置等弄虛作假的方式通過機動車排放檢驗。禁止機動車維修單位提供該類維修服務。禁止破壞機動車車載排放診斷系統」。根據第一百一十二條第三款規定，違反本法規定，以臨時更換機動車汙染控制裝置等弄虛作假的方式通過機動車排放檢驗或者破壞機動車車載排放診斷系統的，由縣級以上人民政府生態環境主管部門責令改正，對機動車所有人處五千元的罰款；對機動車維修單位處每輛機動車五千元的罰款。 使用不合格的尿素 影響車輛汙染控制裝置等正常運行 車輛尿素箱添加不合格的尿素，不僅影響車輛汙染控制裝置等正常運行，也導致車輛尾氣超標排放。 市生態環境局提醒，如車輛存在尿素罐破損，破壞尿素噴射單元、斷開尿素泵管路等行為還繼續使用的，涉嫌違反《中華人民共和國大氣汙染防治法》第五十九條「在用重型柴油車、非道路移動機械未安裝汙染控制裝置或者汙染控制裝置不符合要求、不能達標排放的，應當加裝或者更換符合要求的汙染控制裝置」。根據第一百一十四條規定，違反本法規定，使用排放不合格的非道路移動機械，或者在用重型柴油車、非道路移動機械未按照規定加裝、更換汙染控制裝置的，由縣級以上人民政府生態環境等主管部門按照職責責令改正，處五千元的罰款。 車輛刷寫OBD 車主應儘快進行檢修 國六車輛使用OBD(即「車載自動診斷系統」)診斷儀對車輛進行OBD診斷檢查時，如果車輛CALID和CVN信息與車輛企業備案信息不一致，或國五排放階段及以前車輛故障燈並未點亮的情況下，OBD診斷儀讀取到車輛故障碼信息，車輛涉嫌刷寫OBD，車主應儘快進行檢修。 市生態環境局提醒，車輛存在刷寫OBD系統、使用OBD作弊裝置等行為，破壞機動車車載排放診斷系統，涉嫌違反《中華人民共和國大氣汙染防治法》第五十五條第三款「禁止機動車所有人以臨時更換機動車汙染控制裝置等弄虛作假的方式通過機動車排放檢驗。禁止機動車維修單位提供該類維修服務。禁止破壞機動車車載排放診斷系統」。依據第一百一十二條第三款規定，違反本法規定，以臨時更換機動車汙染控制裝置等弄虛作假的方式通過機動車排放檢驗或者破壞機動車車載排放診斷系統的，由縣級以上人民政府生態環境主管部門責令改正，對機動車所有人處五千元的罰款；對機動車維修單位處每輛機動車五千元的罰款。
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。
魅影视频
「活动」首次登录送新手大礼包
- 软件大小: 493.57MB
- 最后更新: 2025-10-30 08:37
- 最新版本: v1.10.16.5
- 文件格式: apk
- 应用分类:ios-Android 仙凡直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.25以上
客服热线：132-7983-7294
杏爱直播类似软件
猜你喜欢
95837
42
48735
34
2025-10-30 08:37
31729
52
2025-10-30 08:37
98357
32
2025-10-30 08:37
83742
49
2025-10-30 08:37
98274
61
2025-10-30 08:37
89753
45
2025-10-30 08:37
29467
37
2025-10-30 08:37
16428
53
2025-10-30 08:37
71964
63
2025-10-30 08:37
54231
49
2025-10-30 08:37
48519
95
2025-10-30 08:37
16
32
28539
65
12635
52
65827
96
47615
41