摘要：推进全国一体化数据交易场所体系建设对于数据基础制度建设、统一数据要素大市场构建和数字经济全球竞争力提升具有重要意义。针对当前数据交易场所布局散、标准乱、定位模糊等问题,基于“全国一体、分层分级、互联互通”的总体考量,初步构建了“1+N+X”全国一体化数据交易场所体系,明确了国家级、区域级、行业级数据交易场所差异化的业务定位和互联互通方式,并从启动数据交易场所试点、加强数据交易场所规则标准“软联通”、推进数据交易基础设施“硬联通”和建立健全组织管理机制四个方面提出了推进路径。

摘要：随着我国加速迈入数字经济时代,公共数据日益成为社会发展和行业创新的关键推动力,公共数据有偿使用价值分配的探索性研究对加快推进数据要素配置化改革具有重大意义。当前我国各地正在如火如荼开展公共数据授权运营的试点性探索,北京、深圳、浙江、杭州、宁波、长春等省市相继出台公共数据授权运营相关政策,但在公共数据的开发利用和价值分配实践中,如何有效激发市场经济价值、增强流通供给动力、有效平衡分配差距等方面诸多问题亟待研究。回顾分析了公共数据价值化的有关研究,系统性梳理数据财政相关研究成果,借鉴公共资源的价值分配原则、体系及经验,提出要覆盖数据主体、数据提供者、数据运营者、最终消费者等四类公共数据价值链核心利益相关主体的价值分配政策框架,提出涵盖公共数据价值化全过程的登记制度、促进公共数据有偿使用的监督指导机制、鼓励公共数据资源供给的长效激励机制以及平衡公共数据主体权益的回馈补偿机制,为数据财政视角下公共数据授权运营后续政策制定和实践探索提供相关理论基础和参考依据。

摘要：通过相图计算和气体雾化的方法,设计并制备Al-10Bi-7Zn和Al-10Bi-7Zn-1.5X (X:Cu, Fe, Ni)(质量分数,%)复合粉体。研究Cu、Fe和Ni对Al-Bi-Zn基复合粉体水解制氢性能的影响。通过X射线衍射(XRD)和扫描电子显微镜(SEM)以及能量色散谱(EDS)分析对粉体的组成和形貌进行表征。水解制氢性能测试结果表明,添加Cu、Fe或Ni可以改变Al-10Bi-7Zn三元合金复合粉体的制氢速率,并且提高其抗氧化性能。在四元复合粉体体系中,Al-10Bi-7Zn-1.5Ni表现出最佳的制氢性能,在60℃下与蒸馏水反应时,500 min内的产氢率为75.3%(954.1 m L/g),在储存7 d后(30℃,相对湿度60%),1500 min内保持57.9%(733.7 m L/g)的产氢率。此外,机理研究表明,在Al-Bi-Zn基复合粉体中添加Cu、Fe或Ni可以稳定Al基体,抑制复合粉体在空气中的开裂,保持粉体的高活性。

摘要：立场检测旨在分析观点性文本(例如支持、中立或反对)对给定目标的态度。随着预训练模型的发展,现有方法主要基于微调框架构建立场检测模型。近期,提示学习框架在自然语言处理任务中取得了成功。然而,在实际应用场景中,面向立场检测构建提示学习框架仍然具有如下挑战:推文文本可能不会明确地表达某种态度,而是使用各种话题标签(#hashtag)来表达立场观点。文中设计一种背景知识增强的提示学习框架(Background Knowledge Enhanced Framework,BKEF),在框架中首先提出了一个主题发现模型来学习主题表示其次,提出话题知识增强的提示学习网络构建立场预测器最后,选用三个公开数据集对本文所提的方法进行评测实验结果显示,文中提出的BKEF方法优于现有方法。

摘要：针对无线资源优化问题中普遍存在的复杂约束条件,详细梳理了各种基于AI的优化方法。尽管现有基于AI的优化方法在各种功率分配和波束赋形设计问题上取得了巨大成功,但大多数方法考虑的问题都仅仅配备较为简单的约束条件(例如功率预算约束条件),这些约束条件可以通过简单的投影操作得到满足。然而,对于更为复杂的约束条件,例如非凸的服务质量约束条件,其优化变量和无线信道通常是耦合的,如何有效处理非凸耦合的约束条件仍然是一个较大挑战。针对复杂约束条件下的无线资源优化问题,将现有基于AI的优化方法分为三类:监督学习方法、惩罚学习方法和拉格朗日对偶方法,并对这三类方法的适用性和不足作了细致的分析。最后,提出了一种基于增广拉格朗日法的惩罚-对偶学习框架,通过交替训练两个独立的神经网络,分别用以推断原问题的解和相应的拉格朗日乘子。此外,将所提出的惩罚-对偶学习框架应用于两个典型的无线资源优化问题上,并通过仿真实验表明,所提出的惩罚-对偶学习框架在约束违反和计算时间方面,分别优于当前最先进的AI和传统优化方法。

摘要：随着人工智能技术的快速发展,大模型的分析、生成、推理能力在社会治理应用中的许多领域都得到了广泛应用。例如,互联网舆情分析等。然而,由于大模型的训练数据主要源于开源世界,其中的大量文本数据可能包含各种偏见和歧视,这可能在应用大模型进行社会治理时产生偏见。本研究对大型语言模型(如GPT-3.5、LLaMa)的政治偏见进行了深入探讨。尽管大模型的训练机构坚称其公正,但研究文献表明,大模型在回应特定争议性话题时,常常展示出偏见,这可能导致社会治理的问题。本研究提出了一种偏见性检测方法,要求多个大模型扮演支持或反对特定目标(如政策、人物、话题等)的角色进行问题和答案的设计,并使用额外的大模型进行测试,通过比较这些答案和特定角色生成的答案,以推断接受测试的模型是否存在政治偏见。为降低对生成文本随机性的担忧,对同一问题进行了多次收集答案,每轮都对问题顺序进行随机化处理。实验结果显示,不同的大型语言模型在处理争议话题时都表现出显著的偏见性。这些结果引起了深刻关注,即大模型的直接应用可能会扩大甚至放大争议性信息。本研究的发现,对政策制定者、媒体、政治和学术利益相关者具有重要启示作用。

摘要：【目的】为促进数据交易所安全合规发展,本文针对数据交易所场景下的数据交易风险、数据安全风险与基础安全风险,提出兼顾技术路径与机制保障的数据交易安全管控综合框架。【方法】运用文献调研法,梳理近几年国内外数据交易安全领域的技术与管理研究现状,结合数据交易所实践,提出技术与机制相结合的"TID-MOP"数据交易安全管控体系。【结果】"TID-MOP"综合框架设计了实现交易安全的"三分三合"核心技术架构,即"业务流、计算流、资金流相分离,通过区块链汇合流通环境";"撮合实验环境与生产计算环境相分离,通过模型管理、数据管理联动计算环境";"数据计算与安全监管相分离,通过控制管理中心统一管理监管环境",提升了数据流通和交易安全性,实现了全流程的安全控制和统一监管。【局限】需进一步研究验证安全管控综合框架的实际运行效率。【结论】"TID-MOP"数据交易安全管控综合框架以数据交易过程为核心,为数据交易业务的发展与创新提供重要参考。

摘要：针对最小带宽再生情形下的有效修复问题,提出了一种新型部分重复(FR,fractional repetition)码设计。该设计由外部最大距离可分(MDS,maximum distance separable)码和内部重复码组成,称为GDDBFR(group divisible design based FR)码,可以达到随机访问模式下的系统存储容量,并且能够在很大范围内选择构造参数。理论分析指出,尽管GDDBFR码采用基于表格的修复方式,但通常具有大量的节点修复选择方案。此外,实验结果表明,与传统的RS(Reed-Solomon)码和再生码相比,GDDBFR码可以显著地减少失效修复时间。

摘要：随着“东数西算”工程启动实施,我国云网协同和算网融合发展加速推进,加快推动算力网成为新型基础设施已成为社会普遍共识。研究着眼于数字经济高质量发展,以城市算力网建设作为切入点,系统梳理了算力基础设施、算力网及其设计思路,分析了城市算力网的内涵及特征,创新性提出了包含算力并网、算力调度、算力运营及标准体系的“3+1”城市算力网建设总体架构,设计了从建设试验场、培育产业园到打造样板点“三位一体”的实施路径,建议以运营机制创新为牵引,强化配套政策支持,完善网络协同,培育生态集群,努力推动数字城市算力基础设施的改造升级,打造数字城市“新市政”,助力全国算力“一张网”建设。

摘要：【目的】在数据交易特定场景下,为加强数据流通管理,完善数据流通交易规则,针对数据产品质量评估及管理关注的侧重点,构建一套数据流通交易场景下数据质量综合管理体系与技术框架。【方法】运用文献调研法梳理国内外数据质量评估现状与数据质量检核常用手段,结合业界经验与数据交易的具体场景,从原始数据集、脱敏数据集、模型化数据和AI化数据4类数据产品出发,提出数据交易流通中场景的质量评估模型,并提出针对场景及业务需求提升数据交易前、交易中和交易后各环节数据质量的管理体系。【结果】明确以"6543"即六大指标、五类主体、四类产品及三大评估方法为架构的数据交易流通质量评估模型,并为交易前、交易中和交易后对数据产品的规范性、完整性、准确性、一致性、时效性和可访问性的检测和优化提供支撑。【局限】尚未在真实交易场景中对数据质量模型与管理体系进行系统性使用,框架设计缺乏实践检验。【结论】提出的质量评估模型与质量管理体系为实现数据交易全过程中数据产品的质量评估与提升具有重要作用。