聚焦「生活小確幸」 莫言推出最新隨筆集《放寬心，吃茶去》
2025-11-25 03:27 4,869次浏览記者今天(8月13日)了解到，《市場監管總局 工業和信息化部關於加強智能網聯新能源汽車產品召回、生產一致性監督管理與規範宣傳的通知(徵求意見稿)》，向社會公開徵求意見，反饋截止日期為2025年9月15日。 根據徵求意見稿： 企業應當在車輛App、車載信息交互系統顯著位置和用戶手冊中顯示組合駕駛輔助系統的安全提示和使用說明，以便於消費者閱讀、理解和操作，避免駕駛員將組合駕駛輔助功能視為自動駕駛功能使用。 企業應當開發、使用安全優先的駕駛員監測、警示和處置功能，密切監測駕駛員的駕駛狀態，在駕駛員出現脫手、睡眠等脫離動態駕駛任務的情形時，及時採取語音警告、方向盤震動、限速、靠邊停車、組合駕駛輔助功能禁用等警示或控制措施，以便駕駛員及時接管車輛和降低安全風險。 企業應當強化智能網聯新能源汽車缺陷信息監測，減少網絡攻擊、網絡威脅和漏洞引發的車輛事故風險。市場監管總局對存在因安全提示和使用說明不完善、網絡攻擊、網絡威脅和漏洞等安全事件開展缺陷調查，必要時督促企業通過召回方式進行改進。 企業不得通過用戶操作或系統邏輯主動關閉駕駛員監測、警示和處置功能。市場監管總局將對駕駛員監測、警示和處置功能不足的問題開展專項調查，必要時納入缺陷分析與調查工作。 另外，企業應在機動車合格證系統中完整、準確填報組合駕駛輔助系統、儲能裝置單體及總成等關鍵信息，並嚴格執行軟體在線升級(以下稱OTA升級)活動分類管理要求，未經備案不得開展OTA升級活動，不得將未經充分測試驗證的軟體版本推送給用戶，不得通過OTA方式隱瞞缺陷，確保生產的搭載組合駕駛輔助系統的智能網聯新能源汽車產品與準入產品一致，並承擔產品安全責任。工業和信息化部、市場監管總局將加強協調管理，發現企業未按照要求補充報送有關技術參數及驗證材料、車輛性能與報送技術參數不一致、未經備案開展OTA升級活動、實際OTA升級活動與備案不一致的，依照有關規定進行處理。對頻繁開展OTA升級活動的企業，市場監管總局將進行重點抽查和專項核查。 同時，企業向消費者提供有關智能網聯新能源汽車駕駛自動化等級、系統能力、系統邊界等信息時，應當真實、全面，不得做虛假、誇大系統能力或引人誤解的宣傳，確保消費者正確理解和駕駛智能網聯新能源汽車。 企業在組合駕駛輔助系統或功能命名及營銷宣傳中，不得暗示消費者可以視其為自動駕駛系統、具備實際上並不具備的功能，防止駕駛員濫用。 企業應當避免誇大宣傳車輛駕駛性能，誤導消費者以不合理的高速駕駛車輛。市場監管總局將加大對企業廣告活動和商業宣傳行為中誇大組合駕駛輔助功能、欺騙或誤導消費者等情形的監督檢查力度，組織召回技術機構開展過度宣傳等問題的技術認定工作，並會同工業和信息化部開展專項聯合調查，依法做好整治規範工作。 企業應當按照《關於進一步加強智能網聯汽車產品準入、召回及軟體在線升級管理的通知》的要求，及時報告組合駕駛輔助系統使用期間發生的安全事件和碰撞等事故。市場監管總局聯合工業和信息化部等有關部門加強事故深度調查與分析，並對企業事故報告情況進行監督檢查，一經發現企業未按要求報告事故信息的，將向社會公開通報並督促整改。對企業在事件事故報告中存在隱瞞或遺漏重大事實的，市場監管總局、工業和信息化部將進行專項核查。 (總臺央視記者 李晶晶）
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。
小蝌蚪app
「活动」首次登录送新手大礼包
- 软件大小: 328.54MB
- 最后更新: 2025-11-25 03:27
- 最新版本: v5.5.11.5
- 文件格式: apk
- 应用分类:ios-Android 西甲直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.86以上
客服热线：132-1327-3189
橘子直播类似软件
猜你喜欢
72315
84
2025-11-25 03:27
36287
83
2025-11-25 03:27
53746
27
2025-11-25 03:27
48173
96
2025-11-25 03:27
79158
27
2025-11-25 03:27
89261
74
2025-11-25 03:27
64137
72
2025-11-25 03:27
59628
51
2025-11-25 03:27
78314
58
2025-11-25 03:27
28537
26
2025-11-25 03:27
73852
45
2025-11-25 03:27
12743
32
51
81
62
18
12
13
57
15
