廣東結束防風Ⅳ級應急響應
2026-02-07 22:21 5,146次浏览8月12日電 據商務部網站消息，商務部發布公告2025年第39號，公布對原產於加拿大、日本和印度的進口滷化丁基橡膠反傾銷調查的初步裁定。具體內容如下： 根據《中華人民共和國反傾銷條例》(以下簡稱《反傾銷條例》)的規定，2024年9月14日，商務部(以下稱調查機關)發布2024年第38號公告，決定對原產於加拿大、日本和印度的進口滷化丁基橡膠(以下稱被調查產品)進行反傾銷立案調查。 調查機關對被調查產品是否存在傾銷和傾銷幅度、被調查產品是否對國內滷化丁基橡膠產業造成損害及損害程度以及傾銷與損害之間的因果關係進行了調查。根據調查結果和《反傾銷條例》第二十四條的規定，調查機關作出初步裁定(見附件)。現將有關事項公告如下： 一、終止對原產於印度的進口被調查產品的反傾銷調查 經調查，調查期內自印度進口被調查產品數量佔同期中國進口滷化丁基橡膠總量的比例低於3%。根據《反傾銷條例》第九條和第二十七條規定，調查機關認定該進口數量屬可忽略不計，決定終止對原產於印度的進口被調查產品的反傾銷調查。 二、初步裁定 調查機關初步認定，原產於加拿大和日本的進口被調查產品存在傾銷，國內滷化丁基橡膠產業受到實質損害，而且傾銷與實質損害之間存在因果關係。 三、徵收保證金 根據《反傾銷條例》第二十八條和第二十九條的規定，調查機關決定採用保證金形式實施臨時反傾銷措施。自2025年8月14日起，進口經營者在進口原產於加拿大和日本的滷化丁基橡膠時，應依據初裁決定所確定的各公司的保證金比率向中華人民共和國海關提供相應的保證金。 被調查產品的具體描述如下： 調查範圍：原產於加拿大、日本的進口滷化丁基橡膠。 被調查產品名稱：滷化丁基橡膠(在《中華人民共和國進出口稅則》中的名稱為滷代丁基橡膠) 英文名稱：Halogenated Butyl Rubber(Chlorobutyl Rubber，Bromobutyl Rubber) 主分子結構式： X為Br或Cl 物理化學特性：滷化丁基橡膠是丁基橡膠與滷化劑反應的產物，是普通丁基橡膠的改良品。滷化反應包括氯化和溴化，因此，滷化丁基橡膠可分為氯化丁基橡膠與溴化丁基橡膠兩類。滷化丁基橡膠產品形式為白色到淺琥珀色的膠塊。滷化丁基橡膠具有硫化速度快、與其他不飽和橡膠的相容性好、自粘性和互粘性高等特點。 主要用途：滷化丁基橡膠主要用於無內胎的氣密層、耐熱內胎、耐熱軟管和輸送帶、藥用瓶塞、防震墊、粘合劑和密封材料等。 該產品歸在《中華人民共和國進出口稅則》：40023910和40023990。 對各公司徵收的保證金比率如下： 加拿大公司 阿朗新科加拿大有限公司 26.2% (ARLANXEO Canada Inc.) 其他加拿大公司 40.5% 日本公司 日本丁基株式會社 13.8% (Japan Butyl Co., Ltd.) 其他日本公司 30.1% 四、徵收保證金的方法 自2025年8月14日起，進口經營者在進口原產於加拿大和日本的滷化丁基橡膠時，應依據初裁決定所確定的各公司的保證金比率向中華人民共和國海關提供相應的保證金。保證金以海關確定進口貨物的計稅價格從價計徵，計算公式為：保證金金額=(海關確定進口貨物的計稅價格×保證金徵收比率)×(1+進口環節增值稅稅率)。 五、評論 各利害關係方在本公告發布之日起10天內，可向調查機關提交書面評論意見。
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。
现场直播
「活动」首次登录送新手大礼包
- 软件大小: 139.72MB
- 最后更新: 2026-02-07 22:21
- 最新版本: v11.14.2.13
- 文件格式: apk
- 应用分类:ios-Android 荔枝网直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.85以上
客服热线：131-7643-7981
五楼直播类似软件
猜你喜欢
48
57619
56
2026-02-07 22:21
35729
28
2026-02-07 22:21
21498
29
2026-02-07 22:21
36297
92
2026-02-07 22:21
36951
29
2026-02-07 22:21
91324
79
2026-02-07 22:21
31268
19
2026-02-07 22:21
64537
49
2026-02-07 22:21
61293
15
2026-02-07 22:21
92871
15
2026-02-07 22:21
68745
87
2026-02-07 22:21
49
17
36785
31
39167
64
36478
34817
38
64519