2024年5月27日,北京正策信息科技有限公司推出《全 球政军热点研究》2024 年第 21 期、总第 125 期。 全球政军热点研究 (2024年第21 期"总第125 期) 北京正策信息科技有限公司 2024年5月27晶 目 录 一、全球热点 1 伊朗总统生希验机身亡事件影响及对我启示 2. 苏林就任越南国家主席原因分析及对我影响 二、涉华要闻

北邮 15 名研究生联名举报导师师德问题 舆情分析 4 月 9 日晚，北京邮电大学 15 位研究生联名举报导师郑 凤，存在师德师风问题。15 人联名举报称，郑老师情绪极其 不稳定，常常破口大骂，差遣实验室同学做了许多科研以外 的事情，如长期代取大量快递，替其开车接送朋友、家人， 去其家里打扫卫生；为其女儿做作业、接送上下学、在其女 儿参加重要考试时代为作弊。举报中还提到了郑老师强迫学 直到毕业。4 月 10 日，北京邮电大学纪委办公室工作人员称， 他们已经关注到了网上的事情，正在调查中。北京邮电大学 研究生院研究生管理办公室，工作人员表示，学校第一时间 关注到此事，具体调查情况如果有消息应该在网上对外发 布。 舆情传播趋势  4 月 9 日 北邮 15 名研究生联名举报导师郑凤存在师德师 风问题  4 月 10 日 北邮回应称已关注到此事，正在调查数据来源：百章舆情监测系统 热搜榜 周期内，热搜话题主要集中在北邮回应方面。如：#北 邮郑凤#话题登上微博热搜第 6 位；#北邮回应研究生联名举 报导师#话题登上抖音热榜第 14 位；#北邮回应 15 名研究生 联名举报导师#话题登上今日头条热榜第 5 位、百度热搜榜 第 4 位。 网民观点 北邮 15 名研究生联名举报导师师德问题事件爆出后不 仅引起了学生群体的共鸣，也引发了社会各界对于高校师德师风建设的深度思考，网民们一方面支持学生举办导师行

新时期下互联网“以舆扰法”现象研究报告 摘要 随着互联网技术的发展和社会信息化程度的提高，网络舆论在现代社会中的 影响力日益增强。网络舆论不仅能够迅速传播信息，还能够形成强大的社会压力， 影响公共政策乃至司法决策。然而，网络舆论有时也会干扰正常的司法程序，影 响司法公正。本报告旨在探讨网络舆论对司法公正的影响，并提出相应的对策建 议。 引言 近年来，多起司法案件引发了广泛的网络关注，网络舆论的介入使得这些案

外卖平台补贴大战：政府干预的合法性与消费者 心态研究 1 外卖大战背景与发展脉络 2025年初，中国外卖市场爆发了一场前所未有的 补贴大战。2 “ ” 月，京东以 百亿补贴 高调进军外 卖市场，宣布全年免佣金吸引商家，承诺为全职 “ 骑手全额缴纳五险一金，并推出 超时20分钟免 ” 单 政策，所有成本均由平台承担。这一策略迅 速见效，京东外卖日单量短期内从500万激增至 超1000万单，对美团、饿了么构成直接挑战。 系统使生鲜投诉率下降 62%。这些案例证明技术创新比价格战更能创造 长期价值。 - 商业伦理重构：南城香董事长汪国玉呼吁： “商家可选择性退出薄利活动，在平台竞争中寻 ” 找适配自身品牌的可持续发展路径 。浙江大学 研究员袁哲指出，平台应将资源投向基础设施建 “ 设， 帮助餐饮企业降低经营成本，而非简单价 ” 格战 。 5.2 监管优化方向 - “ ” 一案双查 机制深化：郑州市场监管局启动专 “ 项整治，对无证经营、刷单炒信等行为实行

报考南京大学研究生因虐猫高分被刷舆情分析 一、舆情概况 综合央广网、红星新闻等媒体报道，近日，报考南京 大学物理学院研究生学位的男子徐某，在专业课成绩排名 第一情况下疑似因虐猫导致思想品德考核不过关被刷。据 悉，2024 年 2 月 25 日，有网友公开反映东南大学 19 级 土木专业学生徐某祥学生在宿舍虐杀猫，其有虐猫史，还 曾加入过一个以虐猫为乐的网络团伙。同时还有网友发布 一 人员曾 表示已对徐某祥进行批评教育，并让家长加强管教，徐某 已承诺不再有类似情况发生。相关消息引发关注后，有网 民发现兰州大学核科学与技术学院官网于 4 月 3 日公布的 《2024 年硕士研究生招生意向调剂考生复试名单》中包含 徐某信息，再度引发大量网民质疑。4 月 6 日，兰州大学回 应称，相关工作会按照规定时间进行，而根据兰大公布的 时间表，将在 4 月 7 号早上开始资格审查，下午开始笔 日进行面试。4 月 7 日，红星新闻在兰州大学见到 “ 涉事学生徐某，对方拒绝采访时表示 对于网络舆论不是很 ” 懂 。4 月 8 日晚，兰州大学核科学与技术学院在官网正式公布 2024 年硕士研究生调剂拟录取名单，虐猫考生未被兰 州大学录取。 二、舆情传播 数据显示，自 4 月 2 日起，南大疑因虐猫学生思想品 德审核不过关拒绝录用，初步引发舆论关注。4 月 6 日至 7 日，涉事

的时候，效果还不如那个谣言传播的更广。 哥伦比亚大学研究者开发出一款 Emergent 谣言传播跟 踪工具，可记录每一个传言及质疑或辟谣的分享次数。从统 计数据看，大部分谣言获得的分享次数都要比辟谣的信息高 得多。如，网传佛罗里达州一女子植入第三个胸，假消息迅 速获得 18.8 万次分享。尽管媒体随后澄清是假新闻，但辟 谣消息获得的分享数不足谣言的 1/3。再如，武汉大学互联 网科学研究中心对马航失联传言进行统计，梳理了 我们价值观不符的信息，遇到一个新鲜事情，第一反应不是看它合不合理，而是看它符不符合自己的看法。 2018 年 3 月出版的《科学》刊登麻省理工学院 3 位研究 者对《网上真实与虚假信息传播》（The Spread of True and False Information Online）的研究成果。他们对 2006-2017 年被 300 万人转发 450 万次的 12.6 万篇新闻的 Twitter 传播 情况进 情况进行了分析，发现与发表真实新闻的推文相比，发表不 实新闻的推文被转发的概率高 70%。不实新闻比真实新闻跑 得更快、更深、更广。 研究人员将新闻定义为“在 Twitter 上发表的任何信息”， 可以是文字、照片或网上的文章链接。研究人员避免使用争议性术语“假新闻”（fake news），而使用“不实新闻”（fal se news）。他们将新闻分类为真实（true）或虚假（false）。 如果一条

逐良币现象。OpenAI 在训练 GPT-5 时已经遇到文本数据不 足问题，不得不考虑使用 Youtube 视频转录出的文本数据。 当下，数据生产存量的增长速度远远低于数据集规模的增长 速度。据人工智能研究机构 Epoch AI 在 6 月 4 日发布的论 文预测，未来 10 年内数据增长速度将无法支持大模型的扩 展，大模型将在 2028 年耗尽互联网上所有文本数据。按照 当前趋势发展，文本数据耗尽的中位年份是 生成的合成数 据很快进入了训练新模型的数据集，并随着每一代模型而不 断积累。越来越多证据显示，人工智能生成的文本，即使被 引入训练数据集的量很少，最终也会对训练中的模型产生 “毒害”。[2]研究人员将一些由 AI 生成的语料作为训练数 据，“投喂”给一个正在训练的语言模型，然后使用它所输 出的结果再来训练新模型，并重复这一循环。他们发现，模 型每迭代一次，错误就会叠加一次。当人们要求第 的图片就变得模糊不清了。研究人员不得不寻找没有被污染 的训练数据。随着 AI 生成的内容充斥互联网，它正在破坏 未来大模型训练的数据。 如今，人工智能已经强势侵入人类的互联网，极大地改 变了网上文本和图像的生成和传播系统。牛津大学、剑桥大 学、帝国理工大学、多伦多大学研究人员发现，使用 AI 合 成数据训练 AI，在进行 9 次迭代后，模型开始出现诡异乱码进而直接崩溃，相关研究论文登上 Nature

通常形容来自草根发布、被认为一般不会流行起来的东西。 如，一篇文章从一个网站用户到另一个用户的快速而广泛的 传播，像病毒一样被迅速分享和传播。公元前 350 年，古希 腊哲学家亚里斯多德就开始研究内容问题，尤其是什么因素 让自己的演讲充满说服力而且难忘。他想了解人们为什么会 把想法信息传递给其他人，从而创造一种连锁反应。他在研 究后得出 3 个主要原则：精神、感伤和标识。他还总结了三 和同事凯瑟琳·米尔克曼做过一个“为什么内容是病毒性 的？”的研究。他们统计了 2008 年 8 月 30 日-11 月 30 日 《纽约时报》的 7000 多篇文章，分析 6 个月内“电子邮件 转发最多”的列表。他们研究被疯狂转发的文章与其他文章 的不同之处，既有政治性的，也有国际新闻，还包括体育、时尚和其他有趣内容等。他们在《纽约时报》主页上进行测 试，目标是判断内容是否带有可预测的病毒性。研究发现， 最先得到转发的包括科学版报道和专栏文章，其比非科学报 行了神经 系统试验。在一个试验中，一组参与者观看一段经过特殊剪 辑的视频，而另一组观看原视频。在另一个试验中，一组参 与者慢跑一分钟，而另一组保持不动，然后所有参与者阅读 同一篇文章。在两个研究中，均是被激活情感的那一组更倾 向于分享，而且跑步的那一组的分享率是另一组的两倍多。 乔纳·伯杰解释说：“因为他们的身体已经准备好了。‘被激 活’是一种人们不太喜欢的状态，所以人们迫切地通过分享

提出超级对 齐（superalignment）[1]概念，即当超级智能拥有比人类更 丰富的世界知识，比人类更聪明时，人类作为弱监督者如何 监督、对齐和控制超级智能。人民大学高瓴人工智能学院、 腾讯微信研究人员针对“AGI 是否会在人类未知的地方欺骗 人类”问题开展实验。[2]实验结果发现，在不同冲突设定 下，“弱至强欺骗”现象存在，即 strong model（人工智能） 在 weak mod 们聪明得多，它就会非常擅长操纵，因为它会从我们那里学 到这一点，而且很少有聪明的东西被不太聪明的东西控制的 例子。”辛顿提到的“操纵（人类）”是 AI 系统带来的一个 特别令人担忧的危险。 AI 系统能否成功欺骗人类？多项研究表明，AI 已经能 够无师自通地学会欺骗手段，自行做出不诚实的行为。在一 些与人类选手的对抗游戏中，它们为了赢得游戏，会在关键 时刻佯动欺骗，甚至制定周密阴谋，以化被动为主动，获得 竞争优势。在一些检测 水”，减少被发现的概率，等到了应用环境中才会暴露本性。 如果 AI 的这种欺骗能力未经约束地持续壮大，同时人类不 加以重视并寻找办法加以遏制，最终 AI 可能会把欺骗当成 实现目标的通用策略。麻省理工学院研究员彼得·帕克（Peter Park）等在权威期刊 Patterns（模式）发表论文，系统梳理 AI 具备欺骗行为的证据、风险和应对措施，指出“人工智能 的欺骗能力不断增强，带来严重风险，从短期风险（如欺诈

有 1％会积极创造内容，9％会进一步参与讨论，如点赞、分 享，90％只是浏览些内容，并不参与互动。意大利经济学家 维弗利度·帕累托曾提出著名定律：80/20 定律 (80/20 法 则)。他在研究中发现，意大利 80%的收入来自于 20%人口， 于是提出 80%的产出来自 20%的投入这个重要定律。后来， 这个定律被广泛运用于社会科学领域，意指在任何特定群体 中，重要因子通常只占少数，而不重要因子则占多数，只要 重度创作者的比例维持在 1%以上甚至达 2%、3%，就表明经 营推广效果非常好。雅虎发展战略部副总裁布拉德利·霍罗 维茨在研究用户使用雅虎社群、图片共享网站 Flickr 和 Wiki pedia 后的共同点后认为，1%法则是对的。维基百科创始人吉 米·威尔士的研究表明，Wikipedia 近一半编辑工作是由 2.5% 的用户完成。如果以 2008 年 8 月的中文维基百科为例，当 时拥有注册用户超过 0.5%。MR JAMIE（杰米先生）网站也出现类似情况， 每天 5000-10000 名访问者，只有 500-1000 人会点赞、分享， 不到 50 人留言发表评论。Church 消费者博客的研究也显示， Wikipedia 的 50%内容由 0.7%的用户提供，超过 70%的文章由 1.8%的用户提供。Yahoo 的 Bradley Horowitz 发现同样的情 形也发生在 Yahoo