123,123,123

2025Q3全球DRAM市場環(huán)比增長30%[EDA與制造][消費(fèi)電子]

11月28日消息，市場調(diào)研機(jī)構(gòu)Omdia發(fā)表最新研究報告稱，受益于生成式AI帶動的DRAM需求激增及價格上漲，2025年第三季全球DRAM銷售額環(huán)比大漲30%至403億美元。

發(fā)表于：12/1/2025 9:01:38 AM

基于可穿戴健康設(shè)備的勸導(dǎo)式設(shè)計與評價[模擬設(shè)計][消費(fèi)電子]

為了探討勸導(dǎo)技術(shù)在可穿戴健康系統(tǒng)中的設(shè)計、實現(xiàn)和評價，研究了與運(yùn)動激勵相關(guān)的勸導(dǎo)設(shè)計，提煉了6條面向運(yùn)動的勸導(dǎo)原則：目標(biāo)設(shè)定、自我監(jiān)控、社交影響、正面強(qiáng)化、提醒和建議以及娛樂交互，并據(jù)此設(shè)計和開發(fā)了一種用于可穿戴設(shè)備的運(yùn)動輔助系統(tǒng)。為了評估勸導(dǎo)設(shè)計的有效性，招募了25名受試者進(jìn)行為期一周的實地實驗，并對實驗數(shù)據(jù)進(jìn)行統(tǒng)計分析。結(jié)果表明，勸導(dǎo)原則在提升受試者對穿戴系統(tǒng)的接受度方面有積極影響。其中，目標(biāo)設(shè)定、社交影響和正面強(qiáng)化對運(yùn)動激勵有顯著貢獻(xiàn)。結(jié)合量身定制的勸導(dǎo)原則，可穿戴系統(tǒng)具有促進(jìn)用戶運(yùn)動的潛力。

發(fā)表于：11/25/2025 5:14:32 PM

短視頻沉迷中的智能推薦算法反思與規(guī)制[其他][其他]

短視頻沉迷現(xiàn)象的蔓延與智能推薦算法的深度應(yīng)用密切相關(guān)，已成為影響個體發(fā)展與社會治理的重要議題。智能推薦算法通過“數(shù)據(jù)畫像—強(qiáng)化推送—即時反饋”的技術(shù)閉環(huán)持續(xù)捕獲用戶注意力，由此誘發(fā)系統(tǒng)性公共健康風(fēng)險?，F(xiàn)行治理框架在算法層面存在顯著滯后性，突出表現(xiàn)為算法責(zé)任認(rèn)定標(biāo)準(zhǔn)模糊、立法供給不足以及監(jiān)管機(jī)制的碎片化。因此，短視頻沉迷中智能推薦算法的治理應(yīng)以技術(shù)特性為基礎(chǔ)、社會影響為導(dǎo)向、法律回應(yīng)為保障的階梯式治理路徑：在法律層面，明確沉迷認(rèn)定標(biāo)準(zhǔn)，構(gòu)建算法風(fēng)險分級與三元責(zé)任體系；在監(jiān)管層面，建立算法動態(tài)監(jiān)測機(jī)制，推行監(jiān)管沙盒與階梯式干預(yù)；在多元共治層面，完善行業(yè)自律，暢通公眾參與渠道，推進(jìn)國際規(guī)則對接。希冀為破解算法驅(qū)動型沉迷提供實操路徑，也為數(shù)字時代技術(shù)風(fēng)險的法律規(guī)制提供范式參考。

發(fā)表于：11/25/2025 5:07:32 PM

公共數(shù)據(jù)授權(quán)運(yùn)營收費(fèi)的正當(dāng)性審視[其他][其他]

公共數(shù)據(jù)作為兼具治理要素與生產(chǎn)要素雙重屬性的戰(zhàn)略資源，授權(quán)運(yùn)營中的收益分配問題逐漸掣肘其開發(fā)利用，收費(fèi)正當(dāng)性受到質(zhì)疑。作為制度設(shè)計的關(guān)鍵一環(huán)，公共數(shù)據(jù)授權(quán)運(yùn)營收費(fèi)源于憲法精神與政策法規(guī)的雙重授權(quán)，契合公物理論與公私協(xié)力的治理邏輯，滿足要素配置效率與受益者負(fù)擔(dān)原則，其存在具有補(bǔ)償制度運(yùn)行成本、激勵相關(guān)制度完善、保障制度安全和可持續(xù)的充分正當(dāng)性?；谀康恼x、程序正當(dāng)與結(jié)果正義質(zhì)疑提出的“公共屬性背離說”“政府逐利傾向說”“開放空間侵蝕說”均存在不夠周延之處，不足以對收費(fèi)正當(dāng)性形成有力反駁。

發(fā)表于：11/25/2025 4:58:00 PM

權(quán)屬視域下數(shù)據(jù)安全治理“效率-公平”的平衡逆轉(zhuǎn)機(jī)制研究[其他][其他]

探討了數(shù)據(jù)安全治理中“效率-公平”平衡機(jī)制的動態(tài)演變，聚焦數(shù)據(jù)權(quán)屬視角下多主體協(xié)同治理的安全風(fēng)險與制度梗阻問題及其逆轉(zhuǎn)路徑的探索。通過闡釋數(shù)據(jù)治理中“效率-公平”平衡機(jī)制的具體含義，以權(quán)屬視域從市場、政府以及個人三個主要的不同治理主體探究平衡機(jī)制面臨安全風(fēng)險所帶來的機(jī)制性梗阻，并對逆轉(zhuǎn)路徑進(jìn)行探索。圍繞市場、政府、個人三大主體構(gòu)建“全鏈貫通-動態(tài)調(diào)適”的治理體系，通過權(quán)屬重構(gòu)、技術(shù)賦能與制度創(chuàng)新打通數(shù)據(jù)流通堵點，在安全可控前提下釋放數(shù)據(jù)要素價值，最終服務(wù)于新質(zhì)生產(chǎn)力的培育與數(shù)字生態(tài)的可持續(xù)發(fā)展。

發(fā)表于：11/25/2025 4:41:33 PM

檢驗檢測機(jī)構(gòu)認(rèn)可業(yè)務(wù)數(shù)據(jù)分類分級研究[其他][其他]

隨著認(rèn)可業(yè)務(wù)數(shù)字化、智能化進(jìn)程不斷推進(jìn)，認(rèn)可業(yè)務(wù)數(shù)據(jù)的重要性不斷增強(qiáng)，數(shù)據(jù)分類分級安全保護(hù)需求日益緊迫。首先研究國外數(shù)據(jù)分類分級現(xiàn)狀和分析我國數(shù)據(jù)分類分級戰(zhàn)略規(guī)劃，接著分析數(shù)據(jù)分類分級方法，然后在分析檢驗檢測機(jī)構(gòu)認(rèn)可業(yè)務(wù)數(shù)據(jù)特點基礎(chǔ)上，提出檢驗檢測機(jī)構(gòu)認(rèn)可業(yè)務(wù)數(shù)據(jù)分類分級流程和規(guī)則，以及數(shù)據(jù)分級安全保護(hù)措施，為實現(xiàn)認(rèn)可業(yè)務(wù)數(shù)據(jù)分類分級安全保護(hù)提供支撐。

發(fā)表于：11/25/2025 4:33:33 PM

面向國產(chǎn)數(shù)據(jù)庫的Text-to-SQL數(shù)據(jù)集設(shè)計[其他][其他]

隨著智能技術(shù)的發(fā)展，數(shù)據(jù)庫數(shù)量和規(guī)模激增，傳統(tǒng)數(shù)據(jù)存取技術(shù)在應(yīng)對海量數(shù)據(jù)處理需求時存在耗時長、效率低等問題，Text-to-SQL技術(shù)成為銜接用戶需求和數(shù)據(jù)庫存取的重要橋梁。然而，現(xiàn)有技術(shù)通常在開源非國產(chǎn)數(shù)據(jù)集上訓(xùn)練，在實際應(yīng)用中存在數(shù)據(jù)庫操作語言不一致、領(lǐng)域知識欠缺和可靠性差等問題。為此，結(jié)合數(shù)據(jù)庫領(lǐng)域軟硬件國產(chǎn)化趨勢，設(shè)計面向國產(chǎn)數(shù)據(jù)庫的Text-to-SQL數(shù)據(jù)集，采用基于合成數(shù)據(jù)方法的大語言模型兩階段訓(xùn)練技術(shù)，提出一種基于大語言模型的國產(chǎn)數(shù)據(jù)庫Text-to-SQL方法，通過實驗對方法的有效性進(jìn)行了充分驗證。

發(fā)表于：11/25/2025 4:24:33 PM

基于保形加密的民航旅客信息脫敏方法[其他][信息安全]

針對民航旅客數(shù)據(jù)量大、涉及個人敏感信息多、在特殊情況下需要用到原值的問題，研究了一種基于保形加密的民航旅客信息脫敏方法。首先，按照應(yīng)用場景和敏感程度的不同，結(jié)合數(shù)據(jù)特點，篩選出合理字段并據(jù)此確定調(diào)整因子的值，然后利用保形加密框架加密敏感信息，從而避免脫敏結(jié)果單一。該方法在保證數(shù)據(jù)不失真的前提下，能有效減少各字段之間的關(guān)聯(lián)性，增加密文破解難度，降低個人信息泄露風(fēng)險；同時，在需要獲取原值時可以高效還原數(shù)據(jù)，以滿足各類業(yè)務(wù)場景需求。以民航電子客票數(shù)據(jù)為例，模擬相應(yīng)數(shù)據(jù)進(jìn)行實驗，結(jié)果驗證了所提算法的有效性和實用性。

發(fā)表于：11/25/2025 4:16:33 PM

基于大模型上下文學(xué)習(xí)的未知意圖識別方法[其他][其他]

面對現(xiàn)代化戰(zhàn)爭的復(fù)雜態(tài)勢，精準(zhǔn)的意圖識別技術(shù)可實現(xiàn)對指揮人員需求的高效理解與精準(zhǔn)捕捉，提升決策準(zhǔn)確率和敏捷性?，F(xiàn)有意圖識別方法通常需要大量人工標(biāo)注的數(shù)據(jù)進(jìn)行訓(xùn)練，帶來了高昂的成本，并且對于新意圖的識別效果較差。為此，提出了基于大語言模型(Large Language Models，LLMs)上下文學(xué)習(xí)的創(chuàng)新解決辦法，充分利用大模型的通用語言能力和指令遵循能力，僅需使用少量樣本并無需訓(xùn)練，便可完成已知意圖識別與新意圖發(fā)現(xiàn)任務(wù)，為意圖識別提供了一種新型高效的解決方案。

發(fā)表于：11/25/2025 4:07:33 PM

基于改進(jìn)U-Net的多尺度層級融合去霧網(wǎng)絡(luò)[其他][其他]

計算機(jī)視覺任務(wù)中，霧霾的存在會導(dǎo)致圖像出現(xiàn)質(zhì)量下降問題，現(xiàn)有的去霧方法因全局與局部特征協(xié)同建模不足及多尺度霧濃度自適應(yīng)處理欠缺，常出現(xiàn)去霧殘留和色彩失真?；诟倪M(jìn)UNet的多尺度層級融合去霧網(wǎng)絡(luò)以多尺度輸入捕獲層級特征，結(jié)合分層次特征融合優(yōu)化信息傳遞。相鄰層嵌入特征增強(qiáng)塊自適應(yīng)聚焦關(guān)鍵區(qū)域，跨層交叉融合實現(xiàn)多尺度互補(bǔ)，促使網(wǎng)絡(luò)內(nèi)部信息充分流動。實驗表明，該方法在合成與真實數(shù)據(jù)集上均優(yōu)于對比方法，尤其在細(xì)節(jié)恢復(fù)、色彩保真和真實場景泛化性方面表現(xiàn)突出。

發(fā)表于：11/25/2025 3:58:35 PM