抗戰期間，浙江為何有「臺灣醫院」
2025-11-21 13:12 4,512次浏览文/劉文文 7月份，中國金融總量保持合理增長，有力支持實體經濟。 中國人民銀行剛剛發布的7月數據顯示，廣義貨幣(M2)增速加快，社會融資規模增速保持較高水平，貸款規模保持合理增長。 這份金融數據中，哪些信息值得重點關注？ M1-M2「剪刀差」收窄 7月末，廣義貨幣(M2)餘額329.94萬億元，同比增長8.8%，比上月高0.5個百分點，比上年同期高2.5個百分點。狹義貨幣(M1)餘額111.06萬億元，同比增長5.6%。 本月M1與M2增速之差為3.2個百分點，較去年9月高點大幅收窄，總體呈現收窄態勢，表明資金循環效率正不斷提高。 事實上，相對於包含定期存款的M2而言，M1中主要包括現金、企業和居民活期存款，以及支付寶和微信錢包等隨時可用的「活錢」。 進一步來說，M1主要是企業日常經營周轉資金。由於大企業實力雄厚，資金融通能力較強，通常不需要保持較多的流動資金，更加注重資金的使用效率和盈利能力。相反，中小企業資金融通能力較弱，在正常情況下會預留較多的周轉資金以應對各種不確定性。 近年來，部分領域出現無序競爭，一些大企業憑藉市場優勢拖欠中小企業帳款，並轉用於理財，實際上是佔用了一部分上下遊企業的資金，上下遊中小企業為降低財務成本，儘可能地把活期存款等流動資金壓降到最低水平，一定程度上會影響M1的增長。 業內專家分析，今年以來，M1-M2「剪刀差」明顯收窄，體現資金活化程度提升、循環效率提高，各項穩市場穩預期政策有效提振了市場信心，與經濟活動回暖提升的趨勢是相符合的。 社融規模增速提高 7月末，社會融資規模存量431.26萬億元，同比增長9.0%，比上月高0.1個百分點，比上年同期高0.8個百分點。7月社會融資規模增量為1.13萬億元，比去年同期多3613億元。 政府債券發行加快是社融規模增速顯著提高的主要原因。今年政府債券發行節奏明顯提前，數據顯示，上半年政府債券累計發行13.3萬億元，其中，國債發行7.89萬億元，同比增長36%；2萬億元置換存量隱性債務的地方專項債額度也發行了約1.8萬億元。在政策合力帶動下，上半年社會融資規模保持較高增速。 業內專家表示，政府債券發行短期對貸款有一定替代效應，但長遠看，財政政策持續發力，充分發揮財政乘數效應拉動總需求，有助於讓經濟更好「動起來」，進而撬動增量信貸需求，促進財政、金融與實體經濟良性循環，「一石多鳥」效應正加快顯現。 信貸保持合理增長 7月末，人民幣各項貸款餘額268.51萬億元，同比增長6.9%。前七個月人民幣貸款增加12.87萬億元。 通常來講，7月是信貸小月，主要因為6月末是銀行上半年業務考核關鍵時點，銀行為追求更好的數據表現往往推動信貸增量前移。業內專家認為，把6、7月貸款數據合併起來看，仍然保持平穩增長，反映了實體經濟回升向好、有效需求逐步恢復。 同時，考慮到今年地方政府債券置換對貸款數據影響較大，還原相關影響後，7月人民幣貸款增速仍明顯高於GDP增速。 一般來說，化解地方債務風險會對銀行貸款產生置換效應。有市場研究估算，化債、化險因素對當前貸款增速的影響超過1個百分點。去年11月以來，地方債務置換影響貸款約2.6萬億元，中小銀行改革化險對貸款的影響也接近7000億元，還原上述因素影響後，7月末貸款增速會進一步提升。 從長遠來看，業內專家指出，地方債務置換有助於風險出清和金融穩定，騰挪更多地方財力惠民生、促發展，同時也有助於釋放更多信貸資源流向實體經濟。 今年，我國宏觀政策的總體基調更加積極有為，各種宏觀政策也明顯靠前發力，積極的財政政策加快了政府債券發行節奏，「兩重」「兩新」政策也在加力擴圍。 業內專家表示，按照7月30日中央政治局會議精神，下半年宏觀政策還將保持連續性和穩定性，著力穩就業、穩企業、穩市場、穩預期，國內經濟循環有望更加順暢，經濟持續回升和有效信貸需求合理增長也是有保障的。 也要看到，上半年，人民銀行又出臺了一攬子貨幣政策，有力支持實體經濟回升向好，各項宏觀經濟指標總體表現良好。接下來，各項政策效果會進一步顯現並持續釋放，將會對實現全年經濟社會發展目標任務提供有力支撐。
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。
柠檬直播
「活动」首次登录送新手大礼包
- 软件大小: 173.29MB
- 最后更新: 2025-11-21 13:12
- 最新版本: v13.3.6.9
- 文件格式: apk
- 应用分类:ios-Android 桔子直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.35以上
客服热线：131-1539-1648
12645
54
32496
27
2025-11-21 13:12
49567
38
2025-11-21 13:12
52386
67
2025-11-21 13:12
37245
97
2025-11-21 13:12
18354
29
2025-11-21 13:12
91438
52
2025-11-21 13:12
43172
23
2025-11-21 13:12
36279
19
2025-11-21 13:12
84321
65
2025-11-21 13:12
41285
23
36
92
61
19
94521
47123
32
65184
21374
