关键词： 人工智能   深度伪造新闻   治理   全球经验  

摘要： 人工智能技术的进步为新闻业提供了创新动力和发展机遇，然而随着智能技术对新闻生产发布的全流程介入，不可控的深度伪造技术成为人工智能新闻生产的重大隐患。人工智能秩序下深度伪造新闻的症结主要在于利益驱动和伦理失范、技术查证和鉴伪能力不足以及管理制度和治理规范滞后等方面。人工智能秩序下的全球深度伪造治理经验包括欧盟、美国等国家源头治理、敏捷治理和分层治理。借鉴全球经验，中国应构建“制度引领-技术防御-社会共治”三位一体治理体系，强化政策法规系统性与前瞻性、推动反深度伪造技术创新发展应用以及优化完善深度伪造新闻的社会共治机制。

关键词： 碳达峰   机器学习   XGBoost   山西省   资源型城市  

摘要： 作为国家资源型经济转型综合配套改革试验区，预测山西省资源型城市碳排放情况对双碳目标有序推进具有重要意义。以全球大气研究排放数据库（EDGAR）2000～2023 年山西省11 个地市的碳排放量为研究样本，基于随机森林算法识别碳排放的关键影响因素，构建PSO-LSTM-XGBoost混合模型预测山西省资源型城市碳达峰趋势。结果表明：①2000～2023年山西省碳排放总体上呈现出波动上升的趋势，除临汾市近年来有下降趋势外，其余各地市皆波动上升。②能源消费总量、城市化水平、第二产业GDP、GDP、公路客运量、R&D 内部支出、第一产业结构以及第一产业GDP 是影响山西省碳排放的关键影响因素。③PSO-LSTM-XGBoost模型在多种优化模型中预测误差最低，拟合优度最高，为山西省碳排放情景预测提供了相对精准的工具。④基准情境下，山西省于2031 年达到峰值7.05×108t；低碳情景较基准情景提前3a实现碳达峰且峰值降低7.94%；高碳情景下，达峰将延迟至2034 年且峰值近8×108t。基于此，研究提出具体到市、优化产能结构和跨区协同治理的低碳发展建议，可为精准施策和有序降碳提供参考。

关键词： 交通工程   人工智能   预训练大语言模型   土木和交通工程行业大模型   评测方法   指令微调  

摘要： 自ChatGPT发布以来,预训练大语言模型以其广泛的多行业多任务“通用能力”得到了世界范围内的广泛关注,也为土木与交通工程行业的智能化转型提供了新动力。为了评测预训练大语言模型的能力边界,研究者在通用领域提出了一系列评测数据集来测试模型的基础能力,但是这些数据集没有涵盖土木领域的相关知识。然而,大模型在垂直领域应用上的表现距人类专家仍存在较大差距;尤其在土木工程领域,行业大模型研究处于起步阶段,在文本等单一模态的理解和推理等简单任务上尚未产生公认的性能良好的行业大模型,因此,本文将聚焦于专业领域中行业大模型最应具备的基本能力,重点测评其在语言模态的表现。基于土木工程行业国家级注册考试,如一级注册建筑师、二级注册建筑师、监理工程师等专业考试试题,通过人工筛选整理和复核,建立了涵盖8个科目,426道单选题、91道多选题的大模型土木与交通工程行业知识中文评测数据集CivilEval。并对10个国内外的代表性大模型以及推理大模型OpenAI-o1、DeepSeek-R1和土木工程知识大模型CivilGPT进行评测,结果表明:未经过土木工程行业语料库训练和微调的通用基座大模型在行业应用上与人类专家相比仍存在差距;在各科目的表现性能方面,大语言模型更擅长法律法规等常识问题的语言理解,但在涉及数理推理能力和多选问题上的性能有待提升;推理大模型OpenAI-o1通过内置思维链技术增强了其逻辑推理能力,在简单题和难题上均取得了性能提升;CivilGPT通过增加行业语料库预训练和微调等方式在简单题上提升了模型性能,但在涉及推理和多选等难题上无明显改善。基于评测结果,给出了行业大模型的发展建议:行业大模型的构建应当以具备良好推理能力和多模态处理能力的通用大模型为底座,通过高质量行业语料进行增量预训练和微调来实现。同时,构建高质量的思维链和专家反馈标注数据,对于提升行业模型的专业能力也具有至关重要的作用。

关键词： 生物炭   硝化速率   N   O   异质性   机器学习   空间变异   影响因素  

摘要： 【目的】硝化作用是农田土壤氮循环的关键过程，与温室气体N2O排放密切相关。生物炭作为新型土壤改良剂，已被证实可显著影响土壤硝化过程，但其对硝化速率以及硝化过程N2O排放的异质性规律尚不明确，制约了其在农业实践中的科学应用。本研究旨在揭示生物炭对全球农田土壤硝化作用的空间变异规律，为优化生物炭的农业环境效益提供理论依据。【方法】基于94篇已发表文献的研究数据，采用 Meta分析方法系统评估生物炭对土壤硝化作用的影响，并运用机器学习算法解析其全球空间分异特征。【结果】生物炭施用平均使土壤硝化速率显著提高56%，氨氧化细菌（AOB）丰度增加37%，但对氨氧化古菌（AOA）丰度无显著影响，表明AOB是生物炭调控硝化作用的关键微生物群落。生物炭虽然整体降低硝化过程N2O排放系数，但并未降低硝化过程N2O的排放总量。生物炭在低缓冲能力土壤（如酸性、低有机碳或砂性土壤）中表现出对硝化速率、硝化过程N2O排放以及AOB丰度更强的促进作用，主要归因于其碱性效应（提升土壤pH）及结构效应（提升土壤通气性）。空间分析显示，生物炭在热带地区对硝化速率及硝化过程N2O排放的促进作用高于亚热带及温带地区。土壤类型特异性分析表明，生物炭在氧化土、老成土和淋溶土中对硝化速率及硝化过程N2O排放的增加作用较明显，而在始成土、新成土、干旱土和均腐土中对硝化速率的增加作用相对较小，对硝化过程N2O排放没有显著增加的风险。【结论】生物炭在低缓冲性的土壤中可能具有促进硝化作用并增加N2O排放的风险，因此，在实际应用中需根据土壤类型和气候带特征制定差异化施用策略，以实现土壤改良与温室气体减排的双重目标。

关键词： 人工智能   肿瘤基因组学   个性化治疗   大语言模型   多模态学习   模型可解释性  

摘要： 肿瘤基因组学数据的快速累积与人工智能技术的进步为个性化癌症治疗提供了前所未有的发展契机。本综述系统梳理了人工智能在肿瘤基因数据分析中的应用现状、关键技术及挑战。文章首先概述了肿瘤基因数据的特征及分析难点，详细阐述了人工智能在基因变异识别、致病性预测、风险分层、治疗推荐等方面的典型应用。随后探讨了大语言模型、多模态深度学习等前沿技术在肿瘤精准医疗中的创新应用，并分析了临床实践中面临的数据隐私、模型可解释性、临床转化障碍等关键挑战。最后，本文提出了加强多学科融合、改进模型可解释性、建立规范验证机制等解决方案，为人工智能驱动的精准肿瘤医学提供了发展路径。

关键词： 新污染物   人工智能   大模型   环境保护   污染物治理  

摘要： 随着工业化、城市化的快速推进，不断涌现的新污染物给环境保护带来了全新挑战，也对人类健康构成了极大威胁。在此背景下，人工智能技术凭借高效、精准的优势，正逐步成为解决新污染物治理问题的关键工具。本文梳理了新污染物治理的现状及面临的主要挑战，提出了基于人工智能技术的新污染物治理框架：在筛选环节，借助深度学习、自然语言处理技术，从海量数据中挖掘潜在的新污染物，提高筛查速度与精度；在风险评估方面，运用机器学习模型对多维数据进行整合，构建动态评估体系，以实时量化污染物的环境行为和健康风险；在控制环节，通过人工智能技术开展智能化监测、技术优选、动态调控，推动新污染物治理方案的持续优化与提升。进一步构建了新污染物大模型框架，用于融合多模态环境数据，支持新污染物的识别、风险评估、治理方案优化。研究建议，构建智能化新污染物识别与监测体系、开发数据驱动的风险评估与预测平台、优化污染治理技术与管理平台、构建知识驱动的大模型辅助决策系统，以精准推动并全面深化基于人工智能技术的新污染物治理，为相关领域科研、行业应用、政策制定等提供参考。

关键词： 公共图书馆   智慧服务   行动者网络理论   用户体验   人工智能  

摘要： [目的/意义]识别公共图书馆智慧服务中的用户、技术、内容以及服务环境之间的复杂动态关系，有助于推动图书馆技术创新和满足多元化用户需求。[方法/过程]构建公共图书馆智慧服务用户体验影响关系模型，结合线上线下问卷对图书馆用户智慧服务体验感知调研，通过主成分分析探索关键影响因子。[结果/结论]根据实证结果，从公共图书馆智慧服务技术行动者主体、“人类-技术行动者”之间及人类行动者之间“转译”活动3个维度提出优化公共图书馆智慧服务技术行动者多维度协作、提升用户与图书馆智慧服务终端易用性感官体验、数字素养赋能与创新空间优化驱动读者双向参与等优化策略，以期成为图书馆智慧服务设计和优化的具体指南。

关键词： 瞬时受体电位香草酸亚型4   新型冠状病毒   机器学习   甘草香豆素   分子动力学模拟  

摘要： 该研究旨在探讨靶向瞬时受体电位香草酸亚型4（TRPV4）的抗新型冠状病毒（SARS-CoV-2）中药单体化合物筛选及其作用机制。基于预训练蛋白质语言模型ConPLex的机器学习方法预测药物-靶标结合特性，快速筛选靶向TRPV4的中药单体化合物，并按算法评分由高至低进行排序。通过细胞计数试剂盒（CCK-8）评估候选中药单体化合物的细胞毒性，并利用间接免疫荧光法（IFA）和蛋白免疫印迹法（Western blot），分析甘草香豆素（GCM）对SARS-CoV-2在非洲绿猴肾细胞（Vero-E6）内复制的影响。应用SARS-CoV-2/C57MA14鼠适应株的BALB/c小鼠感染模型，从存活率、肺组织病毒载量及病理损伤程度等方面评估GCM的体内抗病毒效果。为阐明其分子机制，采用Western blot检测关键信号通路蛋白表达，并通过酶联免疫吸附测定法（ELISA）定量分析血清中细胞因子白细胞介素-6（IL-6）、肿瘤坏死因子-α（TNF-α）、C-X-C基序趋化因子10（CXCL10）、单核细胞趋化蛋白-1（MCP-1）的浓度变化。结合分子对接与分子动力学模拟（MD）技术，解析GCM与TRPV4蛋白的结合模式。体外实验显示，在15种候选中药单体化合物中，GCM对SARS-CoV-2的抑制呈显著剂量依赖性；动物模型中，该化合物可延长感染小鼠的生存时间，并显著减轻病毒引起的肺部病理损伤。机制研究表明，GCM抑制TRPV4表达，阻断SARS-CoV-2感染触发的核因子κB（NF-κB）核转位过程，进而下调IL-6、TNF-α等促炎因子的转录水平；同时，经其干预后，血清中IL-6、TNF-α、CXCL10、MCP-1等细胞因子的表达均显著降低。分子对接及动力学模拟结果证实，GCM与TRPV4蛋白形成的复合物在结合构象与动态相互作用层面均表现出优异稳定性。研究证实，GCM在体内外模型中均表现出良好的抗SARS-CoV-2活性，不仅能有效抑制病毒复制，同时遏制感染引发的细胞因子风暴。结果表明，GCM是一种极具潜力的抗SARS-CoV-2中药单体化合物，值得进一步深入研究和开发。

关键词： 舌诊   人工智能   健康状态辨识   中医诊疗   移动端  

摘要： 随着健康理念变化、医学模式转变和医学目的调整,大众对健康的需求激增。课题组设计AI舌诊与问诊相结合的中医健康状态辨识分析方法,通过利用计算机图像处理、移动互联网、大数据、人工智能(artificial intelligence,AI)等多种技术,实现了移动端的基于AI舌诊的中医健康状态辨识系统。系统可以快速、便捷、准确的分析用户上传的舌象图片,进行常见中医健康状态辨识,完成中医健康状态的辅助诊断,构建舌象动态分析并进行健康管理,为大众提供中医智慧医疗服务,提高公众健康服务水平。

关键词： 人工智能   数字人   死者人格利益   个人信息保护   网络不正当竞争  

摘要： 数字复活指的是利用人工智能生成逝者的数字人,其具有满足人情伦理、丰富数字身后事产业以及助力数字文博等多方面价值,应当受到允许。但是数字复活也有遭受滥用的风险,法律应加以规制,明确其发起依据和运行界限。首先,发起数字复活需要专门依据,包括三种,分别是本人的有效生前安排、近亲属的追思纪念以及人格权合理使用,基于后两种依据生成的数字人只能用于特定目的,对数字人的商业性使用限于本人生前做出安排的情况。其次,数字人在运行过程中必须遵守个人信息保护法、人格权法、人工智能监管法规、著作权法以及平台规则的规定。最后,数字人同样可能成为他人侵害对象,相关主体可以从死者人格利益保护、著作权法和反不正当竞争法获得救济。