首批5個國家公園有了「戶口本」
2025-11-05 02:38 5,567次浏览北京8月13日電(記者 左雨晴)8月13日，市場監管總局召開醫療領域廣告監管專題新聞發布會，介紹2025年醫療領域廣告監管執法成效。2025年上半年，全國市場監管部門共查辦醫療廣告違法案件1666件，罰沒金額1278萬元。 市場監管總局廣告監管司市場稽查專員谷保中表示，近年來，市場監管總局持續加大對醫療廣告活動的監管力度，重拳打擊各類「神醫」廣告，陸續制定相關執法指南，持續加強與相關部門的協同聯動和聯合執法，努力提升醫療廣告監管效能。 開展專項整治方面，持續保持對違法廣告的高壓嚴管態勢。 近年來，市場監管總局先後組織開展了醫美專項治理、民生領域廣告監管專項行動，今年還開展了廣告市場秩序集中整治，聚焦網際網路媒介和重點民生領域，持續加大對醫療、藥品、醫療器械、保健食品等領域的廣告監管執法力度。今年以來，市場監管總局集中曝光3批次30起違法廣告典型案例，涉及醫療美容、醫療器械等多個行業，形成有力震懾。 據介紹，2020年至今，上海市市場監管部門共查辦醫療廣告案件1123件，罰沒款2711萬餘元。上海醫療廣告監管依託市整治虛假違法廣告聯席會議工作框架，由上海市場監管局牽頭，聯合上海市衛健委等相關部門協同推進，近五年上海市主要媒體醫療廣告監測違法率逐年下降，從2020年的3.89%，下降到2024年的1.57%，降幅約60%，監管成效顯著。 完善監管規則方面，構建全方位多層次的監管體系。 隨著「網際網路+醫療」的快速發展，醫療廣告與醫療信息、醫療健康科普在表現形式上愈發接近；部分不法經營者假借「科普」的外衣變相發布醫療廣告，甚至虛構「名院」「名醫」吸引患者就醫等亂象時有發生，群眾反映比較強烈。為有力回應民生關切，市場監管總局在加大執法力度的同時，出臺了《醫療廣告監管工作指南》，又聯合國家衛生健康委、國家中醫藥管理局共同制定了《醫療廣告認定指南》。上述執法指南的出臺，進一步明確了醫療廣告與醫療信息公示、醫療健康科普的邊界；進一步細化了違法醫療廣告的認定原則，明確了查處違法醫療廣告過程中規範行使裁量權的有關要求。 例如，北京市市場監管部門出臺優化醫療廣告管理的5項先行先試措施，推行醫療廣告告知承諾、輕微違法行為容錯糾錯等措施，助力醫療和廣告行業健康有序發展。今年以來已累計處罰醫療廣告案件24件，曝光違法宣稱治癒率、誇大治療效果等多起醫療廣告典型案例。後續北京市市場監管部門將持續加大醫療廣告監督執法力度，依法嚴厲打擊涉及生命健康、製造容貌焦慮、虛假誇大等違法廣告行為。 強化部門協同方面，不斷增強跨部門綜合監管效能。 醫療廣告的監管，涉及醫療機構、醫務人員和廣告經營發布主體等多個方面，為做好監管銜接、實現標本兼治，市場監管總局加強與國家衛生健康委、國家中醫藥管理局等部門的貫通協同，在線索移送、會商研判、情況通報、聯動執法等方面完善協作機制，形成廣告監管與行業管理同向發力、相互配合的工作局面。2025年，對於國家中醫藥管理局通報的一批涉嫌醫療廣告違法線索，市場監管總局及時組織屬地市場監管部門依法核查處置。對於經查實發布違法醫療廣告的醫療機構和醫務人員，市場監管部門也將及時向衛生健康行政部門、中醫藥管理部門進行通報。 例如，四川省市場監管部門聯合相關部門制定了優化醫美機構登記管理服務、強化事中事後監管的17條措施，加快實現廣告審查數據線上推送、違法廣告線索共同研判、涉案違法機構聯合懲戒。近兩年來，四川省共監測醫美廣告5.95萬條次，處置線索491條次，立案查處醫療服務類違法廣告案件553件；針對醫美廣告向直播領域拓展，四川省市場監管局去年組織專項監測，統籌省市縣三級力量集中查處醫美機構24戶；成都市對醫美機構的相關舉報同比下降58%。(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。
直播软件下载
「活动」首次登录送新手大礼包
- 软件大小: 614.46MB
- 最后更新: 2025-11-05 02:38
- 最新版本: v10.12.6.17
- 文件格式: apk
- 应用分类:ios-Android 黑白直播体育
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.21以上
客服热线：138-8415-8937
56
94512
63975
97328
27
2025-11-05 02:38
53971
15
2025-11-05 02:38
43192
37
2025-11-05 02:38
38265
17
2025-11-05 02:38
14789
27
2025-11-05 02:38
87425
17
2025-11-05 02:38
78425
59
2025-11-05 02:38
57891
56
2025-11-05 02:38
67289
28
2025-11-05 02:38
86432
24789
79632
27
12734
38465
82
93
19
53219
46
