擔負歷史重任 鍛造中流砥柱——中國人民抗日戰爭勝利80周年的時代啟示之一
2026-03-03 00:35 2,651次浏览近期，第十一批國家組織藥品集中採購工作啟動，初步確定將對55種藥品進行採購。國家醫保局相關司負責人介紹，此次集採即將進入醫療機構報量階段，採購規則總體將堅持「穩臨床、保質量、防圍標、反內卷」的原則，持續優化中選規則，完善集採機制，保障藥品供應和價格合理性，讓廣大患者用上「質優價宜」的藥品，促進醫藥產業健康發展。 「新藥不集採、集採非新藥」是國家藥品集採多年來堅持的原則。自2018年以來，國家已成功開展10批藥品集採，覆蓋435種藥品。第十一批集採繼續聚焦上市多年、臨床使用成熟的「老藥」，更加關注群眾多層次、多元化用藥需求。國家醫保局相關司負責人說，本次集採與醫保目錄談判相銜接，首次在品種遴選時排除了通過談判新進入醫保且仍在協議期內的品種，旨在保護行業創新積極性。 在品種遴選上，此次集採以今年3月31日為品種遴選截止時間，沿用第十批集採的以「參比製劑和通過質量和療效一致性評價」的企業數量合計達到7家作為門檻，並進一步優化篩選條件。「截至今年3月31日，共有122種藥品滿足初選條件。」國家組織藥品聯合採購辦公室主任鄭頤說，這些藥品還需要滿足醫保和自費分組後達到「7家及以上」競爭格局、2024年採購金額大於1億元等「細篩」條件，並徵求相關部門、臨床醫學和藥學專家意見，最終確定55個品種納入第十一批集採報量範圍。 質量是藥品的生命線。為回應部分患者對仿製藥的臨床療效和質量的擔憂，第十一批集採提出了更嚴格的質量要求：參與企業必須具有2年以上同類型製劑生產經驗，且投標藥品的生產線2年內不違反藥品生產質量管理規範。同時，醫保部門表示將繼續擴大真實世界研究範圍，會同衛生健康部門支持高水平醫院開展集採中選藥品臨床療效真實世界研究，鼓勵開展藥品臨床綜合評價，讓群眾用藥更放心。 針對行業內關於過度「內卷」的擔憂，此次集採對企業的過低報價也作出明確限制。國家醫療保障局副局長施子海表示，醫保部門優化具體規則，在中選規則方面，優化價差的計算「錨點」，不再簡單以最低報價作為參考，同時，對於報價最低的中選企業，應公開說明報價的合理性，並承諾不低於成本報價。在質量保證方面，要求投標藥品的生產線2年內不存在違反藥品生產質量管理規範的情形，藥監部門實現對集採中選企業檢查和產品抽檢兩個「全覆蓋」。 集採的報量和帶量採購，一直是醫療機構關注的重點。以往集採是按照藥品通用名進行報量，無法選擇具體品牌，在一定程度上影響了醫療機構和患者多元化用藥需求。此次集採將在報量和帶量規則上作出優化調整，更加尊重臨床用藥選擇。國家醫保局有關司負責人介紹，此次集採規則調整讓醫療機構可以選擇按具體品牌報量，把自身認可什麼品牌、預計用多少量報上來。如果該品牌中選，其生產企業可以直接成為該醫療機構的供應企業。此舉目的是讓醫療機構的需求與中選結果更好匹配。 在合理確定約定採購量方面，集採原則上要求報量總數不低於實際使用量的80%，但對於醫療機構反映臨床需求量減少，或因季節性、流行性疾病等需求量不穩定的，可由醫療機構作出說明後下調報量。今年，將根據市場競爭格局、實際中選企業數等因素，把醫療機構報量的60%至80%作為約定採購量，剩餘部分仍由醫療機構自主選擇品牌。對於抗菌藥物、重點監控藥品等特殊品種還會適當降低帶量比例，為臨床用藥留出更大選擇空間。 業內人士在接受記者採訪時表示，實踐證明，集採是治理價格虛高的有效途徑，集採規則的不斷優化將引導企業從「低價競爭」向「質量競爭+成本控制+合理利潤」的方向轉變，產業鏈資源將加速向研發壁壘高、臨床價值突出的領域集中，從而推動行業秩序逐步規範，促進群眾用藥質量和可及性的整體提升。
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。
夜月视频直播
「活动」首次登录送新手大礼包
- 软件大小: 549.63MB
- 最后更新: 2026-03-03 00:35
- 最新版本: v8.17.12.1
- 文件格式: apk
- 应用分类:ios-Android 红楼直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.86以上
客服热线：136-4537-1794
63415
39
65
98547
94
2026-03-03 00:35
46185
63
2026-03-03 00:35
42316
61
2026-03-03 00:35
93176
12
2026-03-03 00:35
34289
73
2026-03-03 00:35
32794
23
2026-03-03 00:35
36871
49
2026-03-03 00:35
74192
34
2026-03-03 00:35
79625
84
2026-03-03 00:35
93748
61458
29638
58634
45
18
35
35497
23891
98
24387
48
48