粵臺學子共探「AI+非遺」新構想
2026-03-23 14:42 1,589次浏览能以智能化解決的風控手段，就不要一刀切將責任轉嫁給客戶。風險防控與服務優化必須兼顧，才能切實解決客戶痛點 近日，中國人民銀行、國家金融監督管理總局、中國證監會聯合發布《金融機構客戶盡職調查和客戶身份資料及交易記錄保存管理辦法(徵求意見稿)》，面向社會公開徵求意見。其中，取消了2022年版監管規則中關於個人辦理單筆5萬元以上現金存取業務，需「了解並登記資金來源或用途」的硬性要求。 對大額資金來源、去向規範登記，是反洗錢的重要手段。據21世紀經濟報導消息，三年前，針對自然人客戶單筆存取5萬元以上現金的反洗錢監管規則，曾引發爭議。央行相關部門負責人當時回應稱，統計數據顯示超過5萬元的現金存取業務，僅佔全部現金存取業務的2%左右，對絕大多數客戶影響有限。但該辦法當年「因技術原因」暫緩實施，相關業務按原規定辦理。 可以看出，政策初衷雖好，但遭遇的分歧意見也不容忽視，比如當時有人擔心會增加業務辦理的繁瑣性，還可能侵犯個人隱私。 如今的徵求意見稿中，直接取消了該項要求，意味著監管的放鬆嗎？其實不然，徵求意見稿明確了現金匯款、實物貴金屬買賣等一次性交易超過5萬元的將全面盡調，同時將火力集中於真正的高風險領域。 對低風險情形簡化調查，需要銀行提供更加精細化差異化的服務，避免一刀切對正常需求的傷害，優化客戶體驗。銀行機構應深刻理解，政策調整是對便民利民呼聲的回應，作為服務機構，尊重民意才有優化服務的動力和穩定執行的能力。 從2022年暫緩到2025年或將取消，這是反洗錢監管從只認數字的「簡單閾值」管理，到「風險為本」精準篩查的轉向。規則細化帶來的一定操作複雜性，也提醒著金融機構必須分級管理，對低風險簡化流程，對高風險強化調查。 金融機構還可從多方面著手改進：比如以技術賦能為服務提效，通過簡訊或網絡預告客戶需準備的資料，同時加大適老化服務，對風險防範能力低人群加強安全提醒。還可利用智能風控系統+人工防火牆，既防誤傷，又不漏放。比如或可將每月固定取款的退休老人標記為低風險，簡化其業務流程；突然進行大額匯款的帳戶，則觸發人工覆核；對在5萬臨界點頻繁試探的交易帳戶，提升識別力度，嚴防灰色操作規避監管。此外，相關機構收集客戶資料應遵循「最小必要」原則，以防隱私洩露。 歸根結底，能以智能化解決的風控手段，就不要將責任轉嫁給客戶。風險防控與服務優化必須兼顧，才能切實解決客戶痛點。 成都商報-紅星新聞特約評論員 李曉亮
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。
春雨app直播免费看
「活动」首次登录送新手大礼包
- 软件大小: 312.41MB
- 最后更新: 2026-03-23 14:42
- 最新版本: v18.19.11.8
- 文件格式: apk
- 应用分类:ios-Android 苹果直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.79以上
客服热线：139-5832-3648
色花堂直播类似软件
猜你喜欢
26854
68953
62
2026-03-23 14:42
26374
65
2026-03-23 14:42
19835
65
2026-03-23 14:42
51789
16
2026-03-23 14:42
19562
67
2026-03-23 14:42
47563
46
2026-03-23 14:42
98246
15
2026-03-23 14:42
46235
32
2026-03-23 14:42
19456
92
2026-03-23 14:42
97681
68
2026-03-23 14:42
57698
45
2026-03-23 14:42
89
78
47362
26
36
38295
36827
46
97
38652
68