湖北三峽庫區降雨持續 多個景區臨時閉園
2026-03-02 21:01 6,698次浏览核心CPI連續3個月回升—— 消費領域價格呈現積極變化 國家統計局發布數據顯示，7月份，擴內需政策效應持續顯現，消費領域價格繼續呈現積極變化。居民消費價格指數(CPI)環比由上月下降0.1%轉為上漲0.4%；同比持平。扣除食品和能源價格的核心CPI同比上漲0.8%，漲幅連續3個月擴大。工業生產者出廠價格指數(PPI)環比下降0.2%，降幅比上月收窄0.2個百分點，為3月份以來環比降幅首次收窄；同比下降3.6%，降幅與上月相同。 7月份，CPI環比上漲，漲幅高於季節性水平0.1個百分點。國家統計局城市司首席統計師董莉娟分析，環比上漲主要受服務和工業消費品價格上漲帶動。服務價格環比上漲0.6%，影響CPI環比上漲約0.26個百分點，佔CPI總漲幅六成多。提振消費政策帶動需求持續回暖，疊加「6·18」促銷活動結束，扣除能源的工業消費品價格上漲0.2%。CPI同比持平，主要受食品價格較低影響。受上年同期價格基數較高影響，食品價格同比下降1.6%，影響CPI同比下降約0.29個百分點。 扣除食品和能源價格的核心CPI同比上漲0.8%，為2024年3月以來最高。其中，金飾品和鉑金飾品價格同比分別上漲37.1%和27.3%；服務價格同比上漲0.5%；燃油小汽車和新能源小汽車價格同比分別下降2.6%和1.9%，降幅分別為近34個月和28個月最小。中國民生銀行首席經濟學家溫彬認為，今年以來，核心CPI持續回升，反映出隨著擴內需、促消費政策持續顯效，市場供求關係逐步改善，國內經濟循環進一步暢通。 7月份，PPI環比下降0.2%，降幅比上月收窄0.2個百分點。董莉娟表示，季節性因素疊加國際貿易環境不確定性影響部分行業價格下降。夏季高溫雨水天氣增多，一方面建築項目施工進度放緩影響建材需求，另一方面部分地區河流水量充沛，水力發電對火力發電的補充替代作用明顯增強，電煤需求減少。受此影響，非金屬礦物製品業、黑色金屬冶煉和壓延加工業、煤炭開採和洗選業、電力熱力生產和供應業價格均環比下降。國際貿易環境不確定性影響下，計算機通信和其他電子設備製造業、汽車製造業、電氣機械和器材製造業、通用設備製造業價格環比下降。 隨著宏觀政策持續發力、適時加力，部分行業供需關係有所改善，價格呈現積極變化。傳統產業改造升級和重點產業產能治理逐步推進，新興產業快速成長壯大，相關行業價格同比有所回升。同時，提振消費專項行動深入實施，消費市場持續健康發展，升級類消費需求增加拉動部分行業價格同比上漲。 「價格的環比走勢更多反映季節性、短期性變化和波動，同比走勢則反映更多長期性、趨勢性、結構性變化。」國家金融與發展實驗室特聘高級研究員龐溟認為，從PPI數據來看，最近幾個月PPI環比降幅持續企穩改善，反映出政策發力見效、產業結構優化調整、競爭秩序建立健全、內需逐步抬升等多種積極變化。 溫彬認為，近期各方表態及舉措表明，「反內卷」將成為下半年政策重點。短期看，「反內卷」從供應端重塑行業供需結構，特別是對於產能過剩且利潤率低的行業，通過優化資源配置，提升產業鏈整體效率，緩解供需矛盾，進而推動物價回歸合理區間。中長期看，物價能否持續回升仍具有較強不確定性，這主要取決於政策的執行與協同。「反內卷」更多是為價格修復創造窗口期，能否真正實現「企業盈利改善—經濟內生動力增強」的良性循環，關鍵在於內需能否有效提振。 來源：經濟日報 本報記者 熊 麗
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。
成人免费直播
「活动」首次登录送新手大礼包
- 软件大小: 341.59MB
- 最后更新: 2026-03-02 21:01
- 最新版本: v13.18.5.6
- 文件格式: apk
- 应用分类:ios-Android 樱花直播nba
- 使用语言: 中文
- : 需要联网
- 系统要求: 8.92以上
客服热线：137-2347-9457
46537
48
58319
96584
19
2026-03-02 21:01
94751
67
2026-03-02 21:01
34689
91
2026-03-02 21:01
28497
37
2026-03-02 21:01
56781
52
2026-03-02 21:01
36795
17
2026-03-02 21:01
49762
25
2026-03-02 21:01
76198
67
2026-03-02 21:01
62584
17
2026-03-02 21:01
72359
81726
54
76894
74
93514
48296
57
45