我國低空裝備產品數量超400萬臺
2026-02-07 10:38 8,861次浏览面對新一輪科技革命和產業變革浪潮，深圳以增強現代化產業體系就業協同性為方向，探索建立與新質生產力相匹配的就業帶動機制，堅持多方協同發力引才育才，形成就業、產業良性互促的正循環。深圳將新技術、新產業、新業態、新模式等「四新經濟」和政府投資項目帶動新增就業崗位納入民生實事。截至今年5月底，「四新經濟」和政府投資重大項目帶動新增就業崗位累計達7.73萬個。 圍繞重點布局的戰略性新興產業和未來產業，深圳市動態發布高端緊缺崗位目錄清單，為產業升級提供精準人力支撐；創新實施重點企業「公益性招聘服務覆蓋率」和「新增崗位匹配成功率」雙提升計劃，建立重點企業「一對一」就業服務專員機制。截至今年5月底，深圳為6451家重點企業提供用工服務保障，公益性招聘覆蓋率達41.3%，崗位匹配成功率超70%。 平臺企業被稱為「就業蓄水池」。騰訊全球招聘負責人羅海波介紹，騰訊計劃在未來3年新增2.8萬個實習崗位，其中今年將招聘1萬名校招實習生並加大轉化錄用。同時，騰訊致力於為青年人才提供全方位的職業發展支持和終身學習機會，配套培訓、福利和導師制度，幫助畢業生完成從校園到職場的過渡。 為促進就業，深圳把「就業驛站」開在了家門口。近日，在深圳市羅湖區翠竹街道水貝社區黨群服務中心舉行的民營企業服務月直播帶崗活動中，31家企業共提供了1444個崗位。求職者不僅可應聘，還能享受職業測評、「一對一」職業幫扶、政策指導等服務。水貝社區黨委書記朱梅英說，「就業驛站」形成全鏈條跟蹤服務，成功推薦290多名學員實現就業創業。 「像這樣的標準化就業服務驛站，深圳已建成80家，今年已舉辦600多場就業服務活動，發布30多萬個(次)崗位信息，提供公共就業服務超100萬人次。」深圳市人力資源和社會保障局就業促進與失業保險處處長蔡禹星介紹，深圳將為各類勞動者特別是重點就業群體，提供更加便捷智慧的就業服務。 作為製造業強市，深圳對技能人才的需求旺盛。在舉辦系列招聘活動幫助企業招引人才的同時，深圳還積極開展人才培育工作。聚焦人工智慧、新一代電子信息、工業網際網路等新產業、新技術領域，深圳市聯合行業協會、龍頭企業共同開發新職業新技能培訓標準，助推市場加速完善新職業培訓課程體系，加快擴大新職業技能培訓供給。 蔡禹星介紹，深圳有354家市級培訓載體、4家國家級高技能人才培訓基地、5家國家級技能大師工作室，為高技能人才成長提供了廣闊舞臺。華為、欣旺達等47家「鏈主」單位還聯動數百家產業鏈上下遊企業和機構，共同開展高技能人才培育，建立從招生、培訓、評價、就業到技能提升的技能人才供應鏈。 2024年5月，深圳鵬城技師學院與華為公司籤約，依託華為公司「根」技術產業圖譜，共同培育數位化應用型高技能人才。深圳鵬城技師學院黨委書記、院長仵博說，雙方將共同打造「根」技術人才技能圖譜、深圳數字技能人才培養示範基地和「根」技術垂直應用研發中心，促進數字技能人才標準制定。 「深圳正在加速完善『基礎研究+技術攻關+成果產業化+科技金融+人才支撐』的全過程創新生態鏈，加快打造具有全球影響力的產業科技創新中心。」深圳市人力資源和社會保障局黨組成員、副局長馬豔介紹，華為與深圳鵬城技師學院校企合作是產學研協同融合培養人才的生動實踐，也是踐行教育、科技、人才「三位一體」戰略思路的生動實踐，將有力推動技工教育更好地滿足「高、精、尖」產業領域人才需求。(經濟日報記者 楊陽騰)
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。
月夜直播在线观看
「活动」首次登录送新手大礼包
- 软件大小: 987.52MB
- 最后更新: 2026-02-07 10:38
- 最新版本: v18.14.15.14
- 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: 6.87以上
客服热线：132-5769-7326
96873
31965
54
61839
97
2026-02-07 10:38
92348
52
2026-02-07 10:38
71895
84
2026-02-07 10:38
51843
72
2026-02-07 10:38
36597
38
2026-02-07 10:38
31476
14
2026-02-07 10:38
48652
59
2026-02-07 10:38
72389
12
2026-02-07 10:38
17485
32
2026-02-07 10:38
91
19
74289
53
75431
95642
26845
67
23
12
69
63
24
85163