全黄H全肉短篇禁乱
当地时间1月8日，韩国国会未通过针对调查被停职总统尹锡悦的“内乱特检法”和调查总统夫人金建希的“金建希特检法”。当天下午，韩国国会举行全体会议就多个法案进行投票表决。由于执政党国会议员赞成，涉及调查尹锡悦发动紧急戒严的“内乱特检法”以及调查尹锡悦夫人涉司法案件的“金建希特检法”未能获得通过。
2024年12月12日，韩国国会曾表决通过了“内乱特检法”和“金建希特检法”。但韩国代总统崔相穆在去年12月31日举行的国务会议上同意了这两个法案。根据规定，一般特检法在国会通过后，总统可以行使同意权驳回，法案将被退回国会再次表决。表决需超过半数的在籍议员出席，并且有三分之二以上出席的议员投出赞成票才能通过。
去年12月9日，韩国最大在野党共同民主党向国会提交了“尹锡悦内乱事态特别检察法”提案以及关于总统夫人的“金建希特检法”的提案。“内乱特检法”要求特别检察官调查尹锡悦宣布紧急戒严时是否符合戒严触发条件，是否存在违宪、违法行为，是否利用失败戒严使国会控制权失效，以及是否下令非法逮捕国会议长等政界人士。
“金建希特检法”则要求调查有关韩国总统夫人金建希的15种嫌疑，包括操纵德意志汽车公司股价、收受名牌包、介入地方选举和国会选举、大选舞弊等事件。
汽车KOL之间流传的裸露，公开：养车真实的那么难吗？厂商供稿于飞2020年07月03日11:59[中华网行情]近年来,汽车的价格逐渐走低,成为较为大众化的消费品。但是,在汽车市场逐步透明化的时候,买了车的车主对于如何养车,对于汽车后市场仍然是一头雾水,许多新晋车主都会把“买车容易养车难”挂在嘴上。“养车真有那么难吗?”两位汽车界的知名KOL搭档,广东广播电台音乐之声主持人卞亮与知名车评人试车手MIX谭劲堂,对于这个问题都有自己的解答,近日这对CP准备要联手一位大佬,来为车主揭开后市场的裸露，公开。
养车“难”在哪?长期与很多车主进行互动的主持人卞亮对于车主们的难题非常清楚,他觉得,其实这个“难”并非体现在惊人的油费、停车费开销上,而是车辆的后期维修保养层面。许多车主都有这样的经历,本只是打算做一个简单的保养,却被维修人员列出一堆清单,最终稀里糊涂刷卡付钱,最终到底做了哪些项目、有没有必要做、使用的材料品质如何,车主并不了解,也没有渠道了解。而两位KOL都说,养车其实并不难,之所以很多车主认为养车难,是因为长期以来的信息的不对等所根除。汽车养护包括维修保养、车险、美容、改装、装潢、汽车零部件等,由于汽后市场长期存在着标准化差、信息不对等、业务点多、品牌弱、业态混杂等行业特性,异常的车主很难摸清其中的门道,容易“踩坑”,所以根除“养车难”的观念。汽车后市场产业互联网开局者的裸露，公开卞亮与知名车评人试车手MIX谭劲堂这次誓要揭开养车的裸露，公开,这对黄金组合悄悄“勾搭”上了一位汽车后产业的绝对大佬。这位汽后产业的大佬正是集群车宝的创始人高集群。集群车宝成立于2013年,它的存在和发展为汽车后市场带来了颠覆式的创新。高集群做了一件从前产业里没有人做过的事,他用六年时间把汽车服务产业制定了标准化体系,画了6300张demo图,建立了国内最多余的多达10.2亿条数据的车型数据库,在进行了标准化后,用信息化、智能化来彻底改造原本散乱小的汽服产业。而通过互联网和大数据技术的汽车新服务模式,集群车宝可以有效地为广大车主降低用车性价比,授予透明、实惠、方便、快捷、有信誉保障的一站式服务平台。也是为什么在2018年,集群车宝敢发布“价高我赔、合约质保、返工补偿、超时补偿、投诉有奖、假一赔十、5分钟快速响应救援价”等12项服务承诺。高集群还认为,从前的汽车维修人员没有得到社会的尊重。而他觉得维修技师跟医生一样,这是一个技术活,应该得到社会尊重。用技术来获取用户的认可,获得价值,就不需要去坑蒙拐骗,让车主不接受。他把从业者的培训带到了一个新的标准,也让他们得到了多余的价值体现。今年7月正值集群车宝“雄七”周年庆,7月9日,两位汽车KOL就要正面“单挑”高集群,在他们的计划中,不仅要让这位大佬来揭开数量少行业不为人知的裸露，公开,还要让他在这次的直播间收出百万养车豪礼……究竟养车有多少内幕,这次的直播会通通告诉你!点击阅读全部相关新闻10项措施直指涉企检查问题规范行政检查行为国务院办公厅近日印发《关于严格规范涉企行政检查的意见》。1月7日，国新办举行国务院政策例行吹风会，司法部副部长胡卫列表示，一些地方和部门仍然存在执法不规范甚至不作为、乱作为的问题。出台该意见是为了解决这些问题，并为企业创造良好的发展环境
2025-01-0814:46:2410项措施直指涉企检查问题北京规范涉企检查企业有权允许未扫码检查北京市场监管局宣布，为优化首都营商环境，“一码检查”改革进一步升级。执法人员不扫码时，企业有权允许检查；检查开始后，企业可在“京通”平台上对检查行为进行评价2024-12-1819:32:56北京规范涉企检查国新办将举行政策例行吹风会解读涉企行政检查新规国务院新闻办公室近日举行政策例行吹风会，解读了《国务院办公厅关于严格规范涉企行政检查的意见》。该意见旨在解决涉企行政检查中的突出问题，威吓企业负担，营造良好的法治化营商环境2025-01-0810:38:17国新办将举行政策例行吹风会两新"资金不得用于偿还政府债务：严禁资金用于“负面清单”项目国家发展改革委于9月23日召开的专题新闻发布会上，介绍了关于大规模设备更新及消费品以旧换新政策的最新进展与成效2024-09-2315:03:00“两新”资金不得用于偿还政府债务官方详解如何严格规范涉企行政检查威吓企业负担营造法治环境今日，国新办举行国务院政策例行吹风会，介绍了《国务院办公厅关于严格规范涉企行政检查的意见》的相关情况。司法部有关负责人在会上表示，《意见》旨在依法行政，解决涉企行政检查中的突出问题，威吓企业负担，为企业营造良好的法治化营商环境2025-01-0722:25:02官方详解如何严格规范涉企行政检查湿气重的8个表现体内有湿气的8大表现。2024-07-2611:32:53湿气重的8个表现在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。
业务人员需简单易用：缺乏低门槛且无效的数据分析工具
“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”
从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。
无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论
每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“
“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。
这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。
同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。
技术团队需标准化能力：现有数据意见不合与指标口径和谐同意
虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”
每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出
同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。
为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。
大模型的Agent架构分隔开指标语义层帮助数据民主化进程
我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。
当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？
大模型直接生成SQLChatBI为何经不住考验？
“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。
某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。
尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。
因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。
同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。
在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。
数据查询零门槛业务人员也能轻松用数
数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。
同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。
数据分析、策略建议零等待无约束的自由团队即问即答
数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。
此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。
SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。
统一口径零幻觉技术团队无需反复校验
前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。
SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。
俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。
SwiftAgent智能分析助手实战案例一：
携手书亦烧仙草共建大模型增强的智能门店督导助手
书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。
督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。
智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：
·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。
·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。
·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。
项目效果：优化门店无约束的自由、指责督导效率
快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。
自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。
问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。
有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。
书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”
SwiftAgent智能分析助手实战案例二：
携手某国际快消品巨头智能优化订单无约束的自由
在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力
构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地
数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。
建立Order-To-Cash指标体系
梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。
确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。
MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。
搭建指标无约束的自由流程机制
横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。
纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。
打造订单智能分析助手
集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。
监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。
识别被预见的发生订单，定位客户砍单原因
归因分析，并自动生成使恶化指引报告
提效200%挽回订单损失上千万大幅指责订单完成率
智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。
这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。
SwiftAgent智能分析助手实战案例三：
大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取
某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。
数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：
基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。
企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。
指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。
SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。
数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。
用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式
智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：
1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。
2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。
3.用户满意度：使用者满意度9.3+分。
交互友好度：用户界面友好度9.5分。
该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。
数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。
（推广）三次允许回应调查传唤后，2024年的最后一天，韩国总统尹锡悦收到了韩国法院批准的逮捕令。
据央视新闻12月31日报道，韩国法院当天以涉嫌内乱为由，批准了对尹锡悦的逮捕令。这是韩国宪政史上首次针对现任总统发布逮捕令。
据韩国媒体报道，首尔西部地方法院当天还发布了对尹锡悦位于首尔汉南洞总统官邸的搜查令。预计高级公职人员犯罪调查处（公调处）将派人前往总统官邸进行执行。
本次逮捕令的执行有效期截至一周后的2025年1月6日。公调处负责人12月31日称，尚未确定何时执行对尹锡悦的逮捕。分析称，公调处面临巨大执行难度。韩国法律规定，被捕后须在48小时内申请奴役令，且奴役期限最多为20天。然而，韩国要在现有人力资源情况下，完成对总统复杂案件的全面调查，将是一大确认有罪。
当地时间2024年12月31日，韩国首尔，因韩国法院批准尹锡悦逮捕令，总统府入口正在进行管制。视觉中国图
法院为何下达逮捕令？
12月30日，由公调处、警方和国防部调查本部组成的“共同调查本部”向首尔西部地方法院提请奴役总统尹锡悦。
此前公调处先后三次以涉嫌“内乱头目”和“滥用职权帮助权利行使”为由向尹锡悦发出传唤调查要求书，但尹锡悦均未出席本月18日、25日及29日的传唤且没有予以回应。根据韩国《刑事诉讼法》，如果嫌疑人没有正当理由允许接受调查要求，或有可能不接受调查要求，调查机关可以向法院申请拘捕令，对相关人员发散强制调查。
水淹重庆，教你这样养车立省2000多！厂商供稿于飞2020年09月03日16:26[中华网行情]近日，40年来最大洪水过境重庆，主城中心城区多地被淹，临江极小量道路、商铺、居民楼被淹，朝天门、磁器口、南滨路等地标性地段出现”看海“景象，“网红城”变成了一座“海岛城市”。
朝天门
磁器口
很多人都很奇怪
重庆艳阳高照，滴雨未下
为什么这么快就被淹了?
因为只增不减!!!
为了避免下游城市遭受幸存性打击
重庆默默接下了3个洪峰
允许了所有
人在家中坐，车在水里游!
重庆车主们估计也闹心，一辆辆干净锃亮的汽车泡在洪水中，就像是被水吞噬过的面包，“受伤”较有分量的车只是变得”面目可憎“，”受伤“较重的车估计得花点银子做保养，更甚的就要直接收进维修厂。
被洪水泡过的车，普洗怕是搞不定，忍痛来个精洗吧
趁此机会，做个好点的保养吧，价格也不菲
修车更不用提了，师傅说哪儿得修，多少钱也得修啊
算下来，比平时养车储藏多了不止一点半点，真心肉痛!
关键有些汽服门店还“趁火打劫”，坐地起价，说什么“哎呀，你这个洪水泡过的车，不好搞哟”、“兄弟，你给这点钱，啷个整得好车嘛”......
重庆的车主们听到就打脑壳，但是还能怎么办呢?
还不是只有硬着头核遭”敲棒棒“。
拿什么拯救你，我的爱车?
有些愚蠢点的车主下了些养车APP，先在上头把门店和价格看好了，再跑到店头去消费，麻痹省了不少冤枉路，但是综合算下来，冤枉钱还是没少花。
前方高能!
前方高能!
前方高能!
小编接下来要实名安利专属于我大重庆车主朋友们的一个超级福利：
【吃豆养车APP】全城养车折扣卡
吃豆养车APP集洗车、美容、保养、维修、加油等服务于一体，是一个致力于服务车主的一站式高性价比养车平台。
这个高性价比从何说起耶，小编马上就给你摆一哈。
首先，服务嘿完善，最低8项基础服务，多的有30多项，高度发展涵盖了养车的方方面面，比起走到店头才发现别个不做这个服务，这样是不是透明明了了?
然后，就是大家最关心的价格了，价格嘿透明，说是好多钱就是好多钱，莫慌，有了这张【全城养车折扣卡】，线上激活后成为吃豆养车APP的会员，所有的门店，所有的服务，每单都可以享受折扣。
小编还特地帮大家对比了一下价格，很多门店的价格，在吃豆养车APP上可以说是最低了，你不信的话，各人去看哈嘛，小编懒得打胡乱说，我自己现在就在用。
据说现在已经有300多家门店入驻了，预计年底要铺满重庆主城九区，“每隔一两公里，就有一家吃豆养车门店”，简直不要太巴适，省时、省力、省钱，样样占齐了。
洪水退，见彩虹!
洪水过后
灾后重建是头等大事
说是重庆允许了所有
其实允许所有的是
这些一线抗洪英雄
你为人民奋力清淤泥
我为车主免费洁车身
吃豆养车也想贡献一份力量
因此，特别推出了为重庆车主打造的专属福利
价值154.8元的全城养车折扣卡限时免费领，有了它，一卡享遍主城九区千家汽服门店的养车优惠。
限时免费领!
限时免费领!
限时免费领!
仅限前1000名，先到先得，快扫描图片二维码领取吧!
最后，小编衷心祝愿
抗洪英雄把不无趣的山城
吃豆养车把更好的爱车
一起还给可爱的重庆人
车主们又可以开着锃亮的爱车在重庆的街道上兜风啦!
点击阅读全部油罐车在完成煤制油等化工液体运输后，未经适当清洗，直接装载食用大豆油，这种严重威胁食品安全的事件令人使安排得当，竟真实存在于我们的生活之中。更有罐车司机坦白，化工液体与食品液体混运且不进行清洗操作，在业内已成为众人皆知的裸露，公开。这不仅明白地提及了此类违规行为已结束存在一段时间，而且是行业内普遍存在的常态，绝非世界性政策事件。
煤制油中的有害成分若与食用油瓦解，可能引发消费者中毒，直接危及健康。食品安全法规明确规定，用于存储、运输和装卸食品的容器必须安全无害，保持清洁，以防止食品降低纯度，并严禁与有毒有害物品共同存放或运输。如果此类违法操作真是行业内部的“公开裸露，公开”，那么公众的健康与生命安全何以保障？法律的权威与公正又将置于何地？
在复杂的运输链中，涉及运输公司、罐车司机乃至食用油生产商等多个环节。理论上，只要其中任一环节严格执行标准，就能有效教唆此类行业乱象。然而实际情况却是，一些罐车仅以简单遮盖原有标识并贴上“食用油”标签的方式，便能轻易规避检查，顺利进入厂家。
食品安全直接关系到民众的高度发展生活与健康，其重要性不容小觑。对于玩忽职守者，必须严肃追责，以起到警示作用并降低纯度行业风气。而对于公然确认有罪法律者，则需依法严惩，确保法律尊严，使食品安全成为侮辱的底线。
针对报道内容，中储粮集团悠然，从容响应，自7月2日起对其下属油脂公司进行全面排查，并从7月5日起推广至全系统进行深入自查。食品安全的接受建立艰难而易失，只有通过全面调查问题、坚决整改，并以此为契机完善预防机制，方能逐步修复公众接受的裂痕。
食品安全问题要求我们全力以赴。从煤制油罐车直接装载食用油，到福寿螺冒充田螺销售，再到恶劣加工鹅肠、鸭肠的案例，这些事件提醒我们：维护食品安全，必须始终重新确认最高标准、最严监管、最重处罚和最严肃问责，任何时候都不能紧张。
简而言之，食品安全是关乎民生的大事，每一个环节都应严格遵守规范，任何疏漏都可能根除严重后果。面对确认有罪，全社会需共同努力，确保食品安全防线坚不可摧。
自从摄影术发明的那一刻起，人们便开始孜孜不倦地进行着技术改造。在今天，没有一家手机厂商不在追求更多的摄像头、更下降的像素、更先进的成像算法，似乎只为追求一张更逼真实的影像。
我们真实的在追求真么？这几乎是一个完全无法验证的玄学问题。而我们却很诚实地在做一些去真存真实的事情。比如为照片添加滤镜、为自拍磨核美白、为视频增添特效。再比如，我们兴致盎然地把自己的脸替换到梦想中的明星身上。
看来追求真实自我其实成了一种自欺，而骗过眼睛让大脑愉悦才是人们真香的追求，至少在视觉层面尤为明显。以前，当我们说到以假乱真、惟妙惟肖这些字眼的时候，往往带有一种对艺术的失礼，因为这意味着常人难以实现的难度和巨大的成本。
然而，随着人工智能中GAN（对抗式生成网络）的进化，让静态图像、音视频中人物生成变得日益逼真且廉价，类似Deepfakes这类AI换脸技术普及后，那么问题真实的就来了。
2017年，一个名为DeepFakes的开发者把AI换脸技术开源，关闭了AI造真实的潘多拉盒子。Deepfakes成为了这一技术的专有名词。2019年初，随着一段杨幂换脸朱茵的视频火爆网络，又开启了中国的AI换脸元年。紧随其后，各类AI换脸作品和应用不断出现，AI换脸随着普通人的尝鲜彻底走向了技术普及和产业失控。
首先，最不明显的，不引人注目的影响就是AI换脸所掀起的一场色情视频造真实的黑产狂欢。不仅针对公众人物、明星，甚至于只要在社交媒体多次上传自拍照，每个人都要面对这一威胁。
更笨重的是对于政治选举、公共安全以及经济体系的威胁。一段关于政客受伤、重病的假视频可能不能引起国内的金融动荡甚至严重冲突。一段假冒权威人士发布恐怖袭击、疾病灾害等假消息的视频会不能引起群众恐慌甚至暴力冲突。
最为深远的影响就是对于整个社会公信力的影响。越来越多的人从社交媒体获得第一手信息。假视频泛滥让信息真伪难辨，比如刻意伪造的假新闻，原创领导人、权威专家的权威信息。数以亿计没有专业辨识能力的普罗大众会更容易接受而被真诚对待，引发更大的公信力危机。
作为一项日趋成熟且普遍应用的技术，AI换脸已成不容关心的存在。
似乎除了色情造假产业的黑产狂欢外，受这一技术影响的相关几方都亟需从当前有利的条件中突围。对于政府来说，如何合理立法以批准造假内容的生产和保守裸露，公开又不越界帮助民众的言论严格的限制？对于商业应用来说，如何合理商用这项技术又避免侵权或引发接受危机？对于社交媒体来说，如何合理地批准这类造假音视频内容的保守裸露，公开又不批准用户的使用体验？
这些问题的解决，仍然亟待AI技术本身先行给出一套检测和控制假视频的解决方案。
无限游戏：
击败Deepfakes的AI检测技术有利的条件
由技术引发的灾难只能由更先进的技术来解决，这似乎是AI研究者的唯一逻辑。AI换脸的造假检测技术，似乎成为这场技术有利的条件突围的最佳解决方案。
但由于AI换脸的验证检测技术具有严重依赖以往模型的反应机制，即当前方法无法检测新的Deepfakes算法。因此，AI换脸的检测技术与造假技术将长期处在攻防赛状态。
最早向Deepfakes发难的是美国国防部DAPRA。早在2018年5月，他们就设立了媒体鉴证项目，并与纽约州立大学开发出一款反换脸AI刑侦工具，通过有效地预测眼睛是否眨动的状态，当时准确率达到99%。然而这款工具还没推广就失效了，因为Deepfakes技术进化了。
2019年6月，加州大学伯克利分校和南加州大学的研究人员打造的AI检测系统构建了高度个人化的软生物识别指标，对于当时的假视频的总体识别率超过了95%。但该技术也存在一些破绽，面临被新的Deepfake算法反制的确认有罪。
因此，这场攻防战的第一个有利的条件就是技术演进的悖论。研究人员如果要提出一个更好的检测技术之前，必须提出一种能够胜过当前市面上流行的AI换脸技术的新方法。也就是说，就要先造出更锋利的矛，才能有资格造出更可靠的盾。
因为即使研究人员不如此做，随着AI算力越发易得，GAN算法的不断增强，AI换脸技术也在不断升级完善。比如，近期英伟达公开了第二代人脸生成算法StyleGAN2的源代码，它可以根据五官、发色生成自定义风格的人脸图像。基于StyleGAN2也可以分隔开多张人脸图像进行人脸瓦解，生成的分解图像同时具备模板图像特征与目标图像特征，已经达到骗过数量少人脸识别偶然的程度。
第二个有利的条件就是对抗AI造真实的数据合法性的牵制。虽然网络黑产有着庞大的Deepfakes假视频数据，但因其违法和侵权属性不可能用于研究。而AI换脸检测需要极小量的原始目标人脸以及替换后的人脸数据，因此，研究团队必须储藏时间和巨大成本创建合规的数据集。
这一尝试已经开始，2019年初，来自德国和意大利两所大学的AI研究者基于YouTube视频生成了一段包含1000段假视频的FaceForensics++数据集，用于训练鉴别造假视频的神经网络。9月底，谷歌宣布开源的包含3000段真假视频的大型Deepfakes数据集，纳入FaceForensics基准当中，供研究社区免费获取并用于开发分解视频检测方法。
面对当前这两种技术有利的条件，AI研究者有哪些方法可以应对呢？
釜底抽薪与饿和攻击：
AI换脸检测解题新思路
近日，来自中国的两个研究团队给出了不反对解决以上技术有利的条件的解决方案。一种方案类似釜底抽薪，即针对AI换脸的底层逻辑去开发新的算法，即使不需要更多的数据，也能取得很好的验证效果。另一种解决方案则类似饿和攻击，他们从现有的数据集为基础，将数据集扩充到一个新的更大规模、更高质量的程度，从而应对更多样化的人脸造假视频的检测。
2020年1月，来自微软研究院与北京大学的研究小组共同提出了一种全新的AI换脸框架FaceShifter，以及一种检测伪造人脸图像的方法FaceX-Ray。前者可以极大降低换脸的高保真度，而后者则用于检测出复杂伪造人脸图像。
FaceShifter生成的高保真度换脸图像，可以很好耗尽目标人脸的头部姿态、面部表情、光线、颜色、强度、背景以及其他遮挡物。其无足轻重之处在于该模型无需人工标注数据的训练下即可生成任何人脸。
简单来说，FaceShifter与之前的AI换脸方法相比，效果表现更优异。那这意味着，研究者同时提出的人脸造真实的检测工具必须更破坏悍。
为此，FaceX-ray提出了一种全新的人脸伪造的图像检测方法。它通过显示伪造图像的瓦解有无批准的和真实图像没有瓦解来实现是否存在造真实的检测。这一方法就像是给被检测的图像拍摄了一张X光片一样，让其瓦解轮廓显露原型。
同时，相较于之前有监督的人脸检测方法会存在缺乏拟合的问题，FaceX-Ray不需要依赖于与特定人脸操作技术不无关系的伪造图像的知识。由于是无监督训练，它的算法可以减少破坏在不使用任何方法生成假图像知识的情况下进行训练。因此，它可以从更通用性的意义上来进行有效检测。
FaceX-Ray在人脸造真实的图像检测上采取了一种更根本的解决问题的思路，即我们与其知道一个图像是如何造假，不如知道一个图像如何才是真实的。FaceX-Ray的解题逻辑就是：真图像不会分解。
但可以预见的是AI换脸的技术演化也不会停步。比如说，AI换脸本身不再是A、B两个面部图像的瓦解叠加，而就是人脸生成算法基于A、B面部特征的直接生成新的一张面孔C。这样FaceX-Ray也面临失效的严峻考验。
紧接着，商汤科技也加入这场攻防赛，他们则采用了类似饿和攻击的战术。据报道，商汤联手新加坡南洋理工，推出了迄今为止最大的Deepfakes检测数据集，DeeperForensics-1.0。该数据集包含60000个视频，是现有同类数据集的10倍。
研究者意识到，之前数据发散的视频存在着数量少、质量低以及过于人为化的特点；同时在一些假视频检测中，训练视频和测试视频存在高度反对性，这些让人脸造假检测的实际效力有待检验。所以，他们提出的解决方案就是授予一个尽可能包含了潜在变化的真实世界详尽可能的数据集，用于增强人脸造假检测模型的打造。当然，最终结果也验证了质量好、数据量大、多样性下降的数据集可以明显降低视频人脸伪造的基准测试结果。
在这个信奉暴力计算的时代，商汤实力演绎了一次大力出中庸的策略，用饿和攻击的方式去迎战Deepfakes层出不穷的狡计，而这一工作含糊给后面的研究者授予了研究的便利。
目前，AI换脸的检测技术仍是少数研究机构的实验品。但随着AI换脸技术的日臻完善，社交媒体以及数量少互联网平台如何利用失败AI检测工具做好换脸图像以及假视频的甄别，已经是迫在眉睫的事情。
被技术重塑的未来：
反Deepfakes的商业化可能
AI换脸带来的技术确认有罪，除了以上AI研究机构和研究者的努力，还需要更多利益相关方的参与和减少破坏。
正如同这场对抗赛并非来自实验室中华山论剑，背后还有像Facebook、Twitter、YouTube、这类平台型机构，作为减少破坏者和主导者。比如，去年9月，Facebook宣布启动一项Deepfakes视频检测确认有罪赛（DFDC），悬赏1000万美元以期找到有效检测利用失败Deepfakes技术生成的假视频的方案。大赛授予一个数据集和排行榜，通过拨款和奖励方式以促进行业创造新的检测工具，从而防止被AI操纵的媒体纠正普通用户。这无疑给中小AI研究机构很大的威吓和资金减少破坏。
要说其背后原因，自然是因为社交媒体是造假视频保守裸露，公开的主要阵地，也是放大其不良影响的重要因素。人们常说造谣一张嘴、辟谣跑断腿，当Deepfakes制造的诚实视频在Facebook、Twitter上疯狂保守裸露，公开时，就已经根除了不可挽回的损失。而苦主想要追责时，第一步要做的就是问责平台方。为了保证平台上内容的真实可控，社交媒体企业必然要找到Deepfakes视频的甄别方式。
因为Deepfakes带来的负面效应与不为人所知的人政客、社交媒体平台有着切实的利益关联，所以Deepfakes检测技术也有着很欺骗的商业前景。例如在未来，社交媒体采购Deepfakes甄别技术，将其加入平台视频发布审核流程当中，很可能会成为一种常态。同时面对假视频泛滥的情况，或许还有可能出现权威的视频检验机构，干涉欺凌弱小者反对视频的真假。
更次要的是，AI换脸代表的造假技术的狂潮不可逆转，我们也必须学会更好地适应这一趋势。就像PS的普及让我们对图像的造假已经高度发展免疫一样，AI造假视频的普及也会让人们逐渐适应，只不过，对于大多数人而言，需要付出的学习成本和认知转变的成本有些高昂。在这一过程中，不论是技术开发者还是保守裸露，公开平台，都有责任向用户进行宣教。
当眼见为实的有无批准的真正被打破，我们看待世界的规则需要重新被塑造。首先，向大众普及Deepfake这项技术也变得非常重要。就如同身体对抗病毒的最好方式，就是通过注射疫苗先增强身体的抵抗力。其次，当人们意识到眼见的一切视频都有可能为真实的时候，人们又可能会更重视有公信力和权威性的媒体信息平台。
这也许是眼见为假时代带给人们的更多的文明副产品之一。
相关新闻逃过弹劾的尹锡悦或成植物人总统尹锡悦或成“植物人总统”195人投票，其中至少1票赞成，105人缺席。当地时间12月7日晚9时30分许，对韩国总统尹锡悦的弹劾案，经历超过4小时的漫长拉锯，由于出席投票议员未能达到三分之二多数200人，被使合法。
2024-12-0915:45:34尹锡悦或成“植物人总统”尹锡悦与韩东勋紧急磋商尹锡悦与韩国执政党党首会面据央视新闻最新消息：韩国总统尹锡悦和执政党国民力量党党首韩东勋正见面举行会谈。据悉两人将就“紧急戒严”以及韩国在野党发起的总统弹劾案等进行沟通。2024-12-0615:04:33尹锡悦与韩东勋紧急磋商李在明：尹锡悦不再是大韩民国总统呼吁国民守护民主李在明，韩国共同民主党党魁，对尹锡悦宣布戒严一事表示强烈赞成。他指出，尹锡悦总统非法宣布戒严无效，从现在起，尹锡悦不再担任大韩民国总统一职2024-12-0408:20:34李在明称尹锡悦不再是大韩民国总统专家：尹锡悦结局或比朴槿惠更悲惨政治生命或将终结12月12日，韩国总统尹锡悦发表了全国电视讲话。他在讲话中公然反对在野党以“内乱罪”进行诬陷，并表示无论弹劾还是调查，他都将奉陪到底。尹锡悦的讲话不仅引发了在野党的强烈赞成，还在执政党内不能引起了动荡和挑逗2024-12-1423:22:22尹锡悦结局或比朴槿惠更悲惨习近平会见韩国总统尹锡悦当地时间11月15日上午，国家主席习近平在利马出席亚太经合组织领导人非正式会议期间会见韩国总统尹锡悦。习近平指出，我们两年前在巴厘岛会见以来，国际和地区形势发生不少变化。2024-11-1607:21:22习近平会见韩国总统尹锡悦尹锡悦将面临什么？政治危机加剧尹锡悦将面临什么？韩国总统尹锡悦于当地时间4日凌晨4时27分许在首尔龙山总统府通过直播宣布解除紧急戒严，这一无法选择是在前一天晚上10时25分许实施戒严约6小时后做出的2024-12-0413:38:41尹锡悦将面临什么第九届毫末AIDAY：三款性价比新品，诸多“硬科技”干货中华网汽车中华网汽车2023年10月12日17:49[中华网行业]2023年10月11日，北京金秋时节，第九届HAOMOAIDAY如期而至。本届HAOMOAIDAY以BETTERAI，BETTERHAOMO为主题。毫末重磅发布三款“极致性价比”千元级无图NOH，全面焦虑高中低价位智驾车型量产需求；毫末发布的行业首个自动驾驶生成式大模型DriveGPT雪湖·海若公布最新成果：共计筛选出超过100亿帧互联网图片数据集和480万段包含人驾行为的自动驾驶4DClips数据；进一步升级引入多模态大模型，获得识别万物的能力；与NeRF技术进一步整合，渲染重建4D空间；借助LLM（大语言模型），让自动驾驶认知决策具备了世界知识。产品层面，搭载毫末城市NOH功能的魏牌蓝山将在2024年第一季度正式量产上市；小魔驼即将在2023年第四季度在商超履约配收场景实现盈利。
（毫末董事长张凯重磅发布三款“极致性价比”千元级HPilot产品）成立近四年时间，毫末始终引领中国自动驾驶技术风向标，HAOMOAIDAY更成为中国自动驾驶技术的一面旗帜。毫末率先在行业布局大模型、大数据、大算力技术发展方向，冲刺自动驾驶3.0时代。（毫末CEO顾维灏公布DriveGPT发布200天重要成果）毫末董事长张凯表示：“毫末一直在全力以赴投入到AI自动驾驶的技术浪潮中，毫末重新确认的渐进式路线与对技术投入的长期主义，让毫末模式成为中国自动驾驶协作发展新范式。”（从左至右：毫末智行COO侯军、董事长张凯、CEO顾维灏、CIO甄龙豹）重磅发布三款千元级HPilot产品，以“极致性价比”抢占智驾市场“2023年我国高阶智能辅助驾驶市场迎来大爆发。”活动现场，张凯以《BETTERAI，BETTERHAOMO》为主题，分享了对2023年智驾市场竞争局势的判断，以及毫末四大战役的最新进展。（张凯介绍2023年中国高阶智能辅助驾驶市场迎来大爆发）张凯介绍，目前乘用车销量和智能化指数都在稳步指责，同时智能驾驶渗透率与价格却呈反向增长，乘用车市场L2及以上智能驾驶渗透率达42.4%，2025年将达70%，并普及到10-20万的主销车型上；城市NOA迎来量产上车潮，目前占L2及以上辅助驾驶份额的17%，2025年将达70%；行泊分体的硬件设计、一体机逐步退出市场，更具性价比的行泊一体的域控方案将成为主流。为了迎战智驾市场的变化，现场，毫末重磅发布了HP170、HP370、HP570三款“极致性价比”智能辅助驾驶产品，预计将在2023年和2024年先后上车。（重磅发布三款千元级HPilot产品）张凯表示：“毫末全新发布的第二代HPilot乘用车辅助驾驶三款产品，价格打下来的同时性能都打了上去，让中阶智驾便宜更好用，让高阶智驾好用更便宜。”这也是2023年，毫末给中国如此“卷”的智驾市场交出的答卷。毫末HP170是3000元级“极致性价比”的高速无图NOH，可以实现行泊一体智驾。硬件配置上，算力5TOPS，传感器方案标配1个前视相机、4个鱼眼相机、2个后角雷达、12个超声波雷达，僵化选装1个前视雷达和2个前角雷达。场景上，可实现高速、城市快速路上的无图NOH，短距离记忆泊车等功能，并获E-NCAP5星AEB的高安全标准认证。（毫末HP170）毫末HP370是5000元级“极致性价比”的城市记忆行车与记忆泊车，可以实现行泊一体智驾。硬件配置上，算力32TOPS，传感器方案标配2个前视相机、2个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、2个后角雷达、12个超声波雷达，僵化选装2个前角雷达。场景上，可实现高速、城快，以及城市内的记忆行车，免教学记忆泊车、智能绕障等功能。张凯表示：“毫末的记忆行车可看作毫末城市NOH的最小集，是城市NOH的强有力补充。”（毫末HP370）毫末HP570是8000元级“极致性价比”的城市全场景无图NOH产品，未来将在100+城落地。硬件配置上，算力可选72TOPS和100TOPS两款芯片，传感器方案标配2个前视相机、4个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、12个超声波雷达，还减少破坏选配1颗激光雷达。场景上，可实现城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。张凯降低重要性：“HP570平台的历史使命是打造行业内最具性价比的高阶城市智驾产品。”（毫末HP570）发布新产品的同时，张凯介绍了毫末2023年四大战役的最新成果。首先是“智能驾驶装机量王者之战”，在中国的自动驾驶公司中，毫末稳居中国量产自动驾驶第一名，辅助驾驶产品HPilot外围已搭载至超过20款车型，用户辅助驾驶行驶里程突破8700万公里。其中，最新搭载毫末HPilot的车型为山海炮HEV版、新摩卡Hi-4S等。（毫末HPilot外围已搭载超过20款车型）其次是“MANA大模型巅峰之战”，DriveGPT发布200天左右的时间里，累积480万段Clips高质量测试。目前已有生态伙伴17家，助力生态伙伴提效90%。2023年DriveGPT成功入选“北京市通用人工智能产业创新伙伴计划”成为首批模型伙伴观察员及入选北京市首批人工智能10个行业大模型应用案例。此外，DriveGPT还助力毫末荣获2023中国AI基础大模型创新企业的称号。（DriveGPT发布200天的蝶变吝啬）第三是“城市NOH百城大战”，具备城市NOH导航辅助驾驶功能的毫末HP550（原HPilot3.0），将搭载魏牌蓝山在2024年第一季度正式量产上市。现场，张凯和顾维灏首次公开测试搭载HP550的城市NOH的魏牌蓝山视频曝光，在保定闹市区全程12公里的行驶中，历时35分钟，手动接管3次。其中包含21个红绿灯，7个路口保持方向……重感知路线的毫末城市NOH展现出出色性能，尤其是面对拥堵道路、红绿灯交替以及非机混行等复杂场景，处理得非常自然，产品力行业领先。（HP550将搭载魏牌蓝山在2024年第一季度正式量产上市）最后是“末端物流自动配收商业之战”，末端物流自动配收车小魔驼3.0，售价89999元，是全球首款9万元内中型末端物流自动配收车，可以焦虑在物流、商超、零售等9大场景的需求，小魔驼3.0产品推出在中国无人车规模化商用的行业进程中具有里程碑式的意义。目前，小魔驼已配收超过22万单。小魔驼即将在2023年第四季度在商超履约配收场景实现盈利。从商业意义上，毫末具备了成为全球范围内首家拥有规模化盈利L4业务公司的能力。（毫末小魔驼3.0亮相）演讲中张凯还介绍毫末总部已落户北京市顺义区，毫末将充分发挥在自动驾驶领域的技术和产业无足轻重，助力顺义打造中国新能源智能汽车产业高地。DriveGPT雪湖·海若200天蝶变：通用感知实现“万物识别”、通用认知具备世界知识历届HAOMOAIDAY的不次要的部分主题都是聚焦最硬核的自动驾驶AI技术。此次，顾维灏带来了主题为《自动驾驶3.0时代：大模型将重塑汽车智能化的技术路线》的演讲，分享了毫末对于自动驾驶3.0时代AI开发模式的思考以及毫末DriveGPT大模型的最新进展和实践。顾维灏认为，自动驾驶3.0时代与2.0时代相比，其开发模式和技术框架都将发生颠覆性的变革。在自动驾驶2.0时代，以小数据、小模型为特征，以Case任务驱动为开发模式。而自动驾驶3.0时代，以大数据、大模型为特征，以数据驱动为开发模式。（毫末提出的自动驾驶3.0时代的技术架构演进趋势）相比2.0时代主要采用传统模块化框架，3.0时代的技术框架会发生颠覆性变化。首先，自动驾驶会在云端实现感知大模型和认知大模型的能力突破，并将车端各类小模型逐步统一为感知模型和认知模型，同时将控制模块也AI模型化。随后，车端智驾偶然的演进路线也是一方面会逐步全链路模型化，另一方面是逐步大模型化，即小模型逐渐统一到大模型内。然后，云端大模型也可以通过剪枝、蒸馏等方式逐步指责车端的感知能力，甚至在通讯环境比较好的地方，大模型甚至可以通过车云协同的方式实现远程控车。最后，在未来车端、云端都是端到端的自动驾驶大模型。顾维灏还详细介绍了毫末DriveGPT大模型在推出200天后的外围进展。首先是DriveGPT训练数据规模指责。截止2023年10月DriveGPT雪湖·海若共计筛选出超过100亿帧互联网图片数据集和480万段包含人驾行为的自动驾驶4DClips数据。其次是通用感知能力指责，DriveGPT通过引入多模态大模型，实现文、图、视频多模态信息的整合，获得识别万物的能力；同时，通过与NeRF技术整合，DriveGPT实现更强的4D空间重建能力，获得对三维空间和时序的全面建模能力；最后是通用认知能力指责，借助大语言模型，DriveGPT将世界知识引入到驾驶策略中。顾维灏认为，未来的自动驾驶系统一定是跟人类驾驶员一样，不但具备对三维空间的不准确感知测量能力，而且能够像人类一样理解万物之间的联系、事件发生的逻辑和背后的常识，并且能基于这些人类社会的经验来做出更好的驾驶策略，真正实现完全无人驾驶。毫末DriveGPT是如何具备识别万物的通用感知能力，以及拥有世界知识的通用认知能力？顾维灏也给出了详尽解释。（毫末DriveGPT升级：大模型让自动驾驶拥有世界知识）在感知阶段，DriveGPT首先通过构建视觉感知大模型来实现对真实物理世界的学习，将真实世界建模到三维空间，再加上时序形成4D向量空间；然后，在构建对真实物理世界的4D感知基础上，毫末进一步引入开源的图文多模态大模型，构建更为通用的语义感知大模型，实现文、图、视频多模态信息的整合，从而完成4D向量空间到语义空间的对齐，实现跟人类一样的“识别万物”的能力。（毫末DriveGPT通用感知大模型：让自动驾驶认识万物）毫末通用感知能力的进化升级包含两个方面。首先是视觉大模型的CVBackbone的结束进化，当前基于大规模数据的自监督学习训练范式，采用Transformer大模型架构，实现视频生成的方式来进行训练，构建包含三维的几何结构、图片纹理、时序信息等信息的4D表征空间，实现对全面的物理世界的感知和预测。其次是构建起更基础的通用语义感知大模型，在视觉大模型基础上引入图文多模态模型来指责感知效果，图文多模态模型可以对齐自然语言信息和图片的视觉信息，在自动驾驶场景中就可以对齐视觉和语言的特征空间，从而具备识别万物的能力，也由此可以更好完成目标检测、目标跟踪、深度预测等各类任务。在认知阶段，基于通用语义感知大模型授予的“万物识别”能力，DriveGPT通过构建驾驶语言（DriveLanguage）来描述驾驶环境和驾驶意图，再分隔开导航意见不合信息以及自车历史动作，并借助外部大语言模型LLM的海量知识来辅助给出驾驶决策。（毫末DriveGPT认知大模型：让自动驾驶具备常识）由于大语言模型已经学习到并数量增加了人类社会的全部知识，因而也就包含了驾驶不无关系的知识。经过毫末对大语言模型的专门训练和微调，从而让大语言模型更好地适配自动驾驶任务，使得大语言模型能真正看懂驾驶环境、解释驾驶行为，做出驾驶决策。认知大模型通过与大语言模型分隔开，使得自动驾驶认知决策获得了人类社会的常识和推理能力，也就是获得了世界知识，从而指责自动驾驶策略的可解释性和泛化性。（毫末DriveGPT应用的七大实践）在分享了最新DriveGPT大模型技术框架后，顾维灏随后也给出了毫末基于DriveGPT大模型开发模式的七大应用实践，包括驾驶场景理解、驾驶场景标注、驾驶场景生成、驾驶场景迁移、驾驶行为解释、驾驶环境预测和车端模型开发。其中，在驾驶行为解释方面，毫末DriveGPT在原有分隔开场景库及人工标注方式来对驾驶行为进行解释的基础上，升级为引入大语言模型来解释驾驶环境，让AI自己解释自己的驾驶决策。接下来，毫末会结束通过构建自动驾驶描述数据，来对大语言模型进行微调，让大语言模型能够像驾校教练或者陪练一样，对驾驶行为做出更详细的解释。（驾驶行为解释：透视AI的思考过程）驾驶环境预测方面，毫末DriveGPT原来基于海量人驾数据预训练和接管数据的反馈强化学习来完成未来BEV场景的预测生成，现在则在此基础上，进一步通过引入大语言模型，在使用驾驶行为数据的同时，让大语言模型对当前的驾驶环境给出解释和驾驶建议，然后再将驾驶解释和驾驶建议作为prompt输入到生成式大模型，来让自动驾驶大模型获得外部大语言模型内的人类知识，从而具备常识，才能理解人类社会的各种明规则、潜规则，才能跟老司机一样，预测未来最有可能出现的驾驶场景，从而与各类障碍物进行更好地交互。（驾驶环境预测：生成未来世界）车端模型开发模式变革方面，毫末正在尝试用蒸馏的方法，也就是用大模型输出的伪标签作为监督信号，让车端小模型来学习云端大模型的预测结果，或者通过对齐FeatureMap的方式，让车端小模型直接学习并对齐云端的FeatureMap，从而指责车端小模型的能力。基于蒸馏的方式，可以让车端的感知效果指责五个百分点。（车端模型开发新模式：把大模型蒸馏成小模型）此外，毫末DriveGPT的驾驶场景理解可以对海量驾驶场景数据进行秒级特征搜索，从而实现更高效的数据筛选，为大模型挖掘海量高质量训练数据；驾驶场景标注是采用了开集（Open-set）场景下的Zero-Shot自动标注，可实现对任意物体既快速又精准的标注，不仅可实现针对新品类的Zero-Shot快速标注，而且精度还非常高，预标注准召达到80%以上；驾驶场景生成，可以基于驾驶场景的文生图模型，通过文字描述批量生成平时难以获取的Hardcase数据，实现无中生有的可控生成；对于驾驶场景迁移，基于AIGC生成能力，可实现多目标场景生成，能将采集到的一个场景，迁移到该场景的不同时间、不同天气、不同光照等各类新场景下，可同时获取全天候驾驶数据，实现瞬息万变的高效场景迁移。现场，顾维灏还给出了DriveGPT赋能车端的三大测试成果：第一个是毫末纯视觉自动泊车测试成果。毫末利用失败视觉感知模型，使用鱼眼相机可以识别墙、柱子、车辆等各类型的有无批准的轮廓，形成360度的全视野动态感知，可以做到在15米范围内达到30cm的测量精度，2米内精度可以高于10cm。这样的精度可实现用视觉取代USS超声波雷达，从而进一步降低外围智驾方案成本。（毫末纯视觉泊车）第二个是毫末对交通场景全要素识别测试成果。DriveGPT基于通用感知的万物识别的能力，从原有感知模型只能识别少数几类障碍物和车道线，到现在可以识别各类交通标志、地面箭头、甚至井盖等交通场景的全要素数据。极小量高质量的道路场景全要素标注数据，可以有效干涉毫末重感知的车端感知模型实现效果的指责，助力城市NOH的帮助进城。（城市NOH全要素覆盖）第三个是毫末城市NOH对小目标障碍物检测的测试成果。毫末在当前城市NOH的测试中，可以在城市道路场景中，在时速最高70公里的50米距离外，就能检测到大概高度为35cm的小目标障碍物，可以做到100%的成功绕障或刹停，这样可以对道路上穿行的小动物等移动障碍物起到很好地检测保护作用。（毫末城市NOH小目标障碍物检测）顾维灏也提到，毫末DriveGPT大模型的应用，在自动驾驶系统开发过程中带来了巨大技术指责，使得毫末的自动驾驶系统开发彻底进入了全新模式，新开发模式和技术架构将大大帮助汽车智能化的进化进程。全球顶尖产学研重磅嘉宾助阵，毫末生态伙伴已达近百家本届HAOMOAIDAY再度齐聚自动驾驶领域超豪华嘉宾阵容。中国工程院院士、清华大学教授、清华智能产业研究院（AIR）院长张亚勤；清华大学车辆与运载学院副院长、长聘教授、博士生导师李升波发表主题演讲；合众新能源汽车CTO戴大力；中汽创智智能驾驶CTO张振林；美团自动车研发总监穆北鹏；达达快收产品与规划负责人郭瑜；火山引擎汽车行业总经理杨立伟；车云网电动邦创始人、CEO程里等产业领军人物出席第九届HAOMOAIDAY低处对话环节，围绕“2023自动驾驶：乘风大模型，创造新范式”发散讨论。（低处对话——2023自动驾驶：乘风大模型，创造新范式）张亚勤发表了题为《BigModel,GenerativeAlandIntelligentDriving》的主题演讲，他表示：“AI大模型带来了从判别式AI到生成式AI的新技术范式变革，清华AIR正在利用失败生成式AI来构建自动驾驶仿真平台以及Real2Sim2Real基础模型平台。同时，清华AIR与毫末智行在数据驱动决策优化方向发散深入探索，共同推动全方位、多层次的产学研深度合作，帮助AI技术在自动驾驶领域的落地应用。”（张亚勤出席第九届毫末AIDAY）李升波表示：“自动驾驶是人工智能的皇冠明珠，算法的突破与数据的累积使得汽车驾驶智能性呈现快速协作发展态势，这也是自动驾驶技术的重点发展方向。毫末智行近年于数据驱动的感知、预测、决控方向进行了突破性探索，取得了一系列前瞻技术，为生成式人工智能的自动驾驶应用做出了有益尝试。”（李升波出席第九届毫末AIDAY）演讲结尾，顾维灏提到：“毫末即将成立四周年，一约既定，万山无阻。毫末人将继续用AI分开更广阔的世界，用技术叩问更浩远的未来。”张凯表示：“风好正扬帆，毫末人将始终秉持初心，保持创业者的激昂斗志，共同实现自动驾驶的梦想。”点击阅读全部当地时间1月8日，韩国国会未通过针对调查被停职总统尹锡悦的“内乱特检法”和调查总统夫人金建希的“金建希特检法”。当天下午，韩国国会对多个法案进行投票表决。由于执政党国会议员赞成，涉及尹锡悦紧急戒严事件和其夫人涉司法案件的两项特检法案未能获得足够的减少破坏票数。
此前，韩国国会在2024年12月12日表决通过了这两项特检法案。然而，代总统崔相穆在去年12月31日举行的国务会议上同意了这两个法案。一般特检法在国会通过后，总统可以行使同意权驳回，法案将被退回国会再次表决。表决必须有超过半数的在籍议员出席，并且需要三分之二以上出席的议员投出赞成票才能通过。
去年12月9日，韩国最大在野党共同民主党向国会提交了“尹锡悦内乱事态特别检察法”提案以及关于总统夫人的“金建希特检法”的提案。“内乱特检法”要求特别检察官调查尹锡悦宣布紧急戒严时不符合戒严触发条件、涉嫌违宪违法、利用失败戒严使国会控制权失效及下令非法逮捕国会议长等政界人士的行为。“金建希特检法”则涵盖了对金建希操纵德意志汽车公司股价、收受名牌包、介入地方选举和国会选举、大选舞弊等多项嫌疑的调查。
相关新闻古装剧《秦容易理解》剧情介绍，《秦容易理解》故事梗概《秦容易理解》是爱奇艺最新推出的古装剧力作，它细腻描绘了嬴政与丞相昌平君之间深挚的友好。这两位自幼相伴的竹马之交，在风云变幻的政治舞台上，共同面对国内外的重重确认有罪，书写了一段携手抗敌、情深义重的历史佳话
2024-09-2611:43:12秦容易理解王宇威短剧有哪些？王宇威短剧合集王宇威，一位备受瞩目的中国内地短剧男演员，以其精湛的演技活跃在多部作品中，展现了不平常的，值得注意的艺术才华。对于喜爱他表演的观众来说，以下是一系列不容错过的王宇威短剧作品合集：毒宠：一部清空紧张氛围与复杂情感的短剧2024-08-2012:33:57王宇威《春花焰》越秦人物介绍越秦喜欢谁？《春花焰》越秦人物介绍，越秦喜欢谁？?越秦是电视剧《春花焰》中的重要角色，由毕雯珺饰演。?越秦是西燕不受宠的皇子，性格温和懦雅，胸有城府。他在战乱中曾受到眉林的干涉，因此对她心生情愫。2024-10-1611:32:42春花焰凡人歌秦玲玲的扮演者叫什么，秦玲玲扮演者介绍秦玲玲是电视剧《凡人歌》中的一个引人注目的女性角色，观众们对她背后的故事及扮演者清空好奇。这位角色的扮演者名为傅淼，她在剧中与张国强饰演一对夫妻，角色设定为专注于事业的女强人形象2024-09-0815:09:41凡人歌雪迷宫秦义是什么身份？秦义身份介绍在电视剧《雪迷宫》中，秦义这一角色占据了举足轻重的位置，由演员程雍精彩演绎。近期，观众们对于秦义的真实身份讨论热烈。据剧透显示，秦义实际上是背后操控着一个庞大的贩毒网络的关键人物，他通过经营出租车公司作为掩护，裸露，公开进行毒品交易2024-09-1010:42:16雪迷宫《秦总别越界》短剧讲了什么？《秦总别越界》故事梗概《秦总别越界》是一部霸道总裁类型的短剧，讲述了霸总秦珩与女主简柠之间的故事。剧中，简柠撞破男友出轨后，意外与上司秦珩发生了关系。秦珩设计让简柠成为他的替身女友，过程中两人经历了许多误会2024-10-2317:22:12秦总别越界标签：