美國37萬億美元巨額債務窟窿怎麼補
2025-12-17 19:52 7,826次浏览「求知若渴」還是專業掏「心」 ——《反間諜法》普法提示(十七) 隨著世界百年未有之大變局加速演進，境外間諜情報機關高度關注我國經濟發展新動向，委託境外諮詢機構對我高科技等重點產業領域開展有針對性的間諜行為。國家安全機關工作發現，部分背景複雜的境外諮詢機構以「專業訪談」為名，大肆搜集我國重點產業領域敏感信息，為境外勢力制裁我高新技術企業提供精準「靶位」，威脅企業生存發展，危害我國家安全。 離職受訪惹官司 國家安全機關接到群眾舉報，我重點產業某頭部企業技術人員王某，在離職後以電話方式多次接受境內外諮詢機構所謂「專業訪談」，透露了原就職企業的重要敏感信息，並獲酬金。經調查，某背景複雜的境外諮詢機構通過其在華子公司，對王某原就職企業開展「調查諮詢」，因王某離職前是該企業骨幹技術人員而被納入視線。在高額諮詢報酬誘惑下，王某未能守住底線，接受了對方的「專業訪談」邀約，致使相關敏感信息外洩。掌握充足證據後，國家安全機關果斷採取措施，阻止了事態進一步擴大，等待王某的將是法律的制裁。 「專業訪談」套路深 為了搜集我國重點產業領域的敏感信息，為境外勢力制定遏制我國產業發展政策提供精確信息支持，境外間諜情報機關通常會將目標鎖定於我高新技術領域的頭部企業及研究機構等高價值目標，如人工智慧、量子技術、集成電路、無人設備等領域，並巧立名目開展有償「專業諮詢」，通常具有以下幾類特徵。 ——時間選擇敏感性強。此類商業間諜行為通常在企業經營的關鍵節點出現，尤其在企業產品換代、遭遇制裁、訂單暴增或驟減等時機。例如上述案例中，在該企業被某國納入制裁清單前，與其相關的有償諮詢需求顯著增加，背後實則是境外勢力為精準制定製裁措施而進行的搜情行為。 ——行為手段隱蔽性強。背景複雜的境外諮詢公司在接到搜情要求後，通常以指示在華子公司開展業務、層層轉包委託國內諮詢公司等隱蔽手段搜集敏感信息。在諮詢過程中，大多包裝為專家、學者訪談交流等形式，以降低受諮詢方的戒備心。 ——諮詢方式誘導性強。諮詢方式上，提問往往由表及裡，以周邊問題為切入點，試探受諮詢方對公司生產經營的了解程度。內容設置往往由淺入深，層層誘導，以非敏感問題為起始點，逐漸誘導套取目標企業重要敏感信息。 國家安全機關提示 不管境外間諜情報機關手段如何花樣百出、隱蔽細膩，都繞不開獲取涉密敏感信息或要求目標人員協助實施危害我國家安全行為的最終目的。一旦察覺境外人員對有關工作崗位、內部信息、項目進度等敏感情況有著異乎常人的興趣時，一定提高警惕、堅持原則、當機立斷，不給「惡意採訪」可乘之機。 《中華人民共和國刑法》第二百一十九條之一規定，為境外的機構、組織、人員竊取、刺探、收買、非法提供商業秘密的，處五年以下有期徒刑，並處或者單處罰金；情節嚴重的，處五年以上有期徒刑，並處罰金。《中華人民共和國反間諜法》第四條規定，間諜組織及其代理人實施或者指使、資助他人實施，或者境內外機構、組織、個人與其相勾結實施的危害中華人民共和國國家安全的活動，屬於間諜行為。 相關人員如遇以「專業訪談」「有償諮詢」等為名要求搜集提供涉密敏感信息的可疑情況，應及時通過12339國家安全機關舉報受理電話、網絡舉報平臺(www.12339.gov.cn)、國家安全部微信公眾號舉報受理渠道或直接向當地國家安全機關進行舉報。 (國家安全部微信公眾號)
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。
小猫咪视频
「活动」首次登录送新手大礼包
- 软件大小: 538.97MB
- 最后更新: 2025-12-17 19:52
- 最新版本: v11.2.5.7
- 文件格式: apk
- 应用分类:ios-Android 看b站a8直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 1.36以上
客服热线：135-2419-3529
黑白直播类似软件
猜你喜欢
61934
18
2025-12-17 19:52
94581
97
2025-12-17 19:52
62798
84
2025-12-17 19:52
28976
87
2025-12-17 19:52
96531
82
2025-12-17 19:52
36457
87
2025-12-17 19:52
31672
76
2025-12-17 19:52
61237
62
2025-12-17 19:52
62583
52
2025-12-17 19:52
83249
91
2025-12-17 19:52
67183
13
2025-12-17 19:52
84539
97153
24
37265
56
93
85
67