本文作者包括新加坡国立大学的王天一 (第一作者)、程轩昂、Mohan Kankanhalli (通讯作者)，和山东大学的刘明慧。 工作动机 近些年来，针对深度伪造 (Deepfake) 的主动防御研究角度逐渐受到广泛关注。在现有工作中，鲁棒水印和半脆弱水印分别在 Deepfake 检测任务取得一定进展，但 仍普遍存在如下问题： 工作介绍 为解决上述问题，该论文提出 FractalForensics，一种 基于分形水印的主动深度伪造检测与定位方法。 不同于以往的水印向量， 为达成伪造定位的功能，论文提出 的水印以矩阵形式出现。 论文地址：https://arxiv.org/abs/2504.09451 首先，该论文设计了一个 水印生成和加密流程 (图 1)，旨在使整个流程参数化。依赖于基于参数的分形几何形状及其具备的可迭代特性，先将其选择作为水印的基 础 (本文以标准希尔伯特曲线为例)。 其后，分别定义旋转 (r), 镜像 (m), 次序改变 (o) 三个变体参数，为分形水印的形状变化提供多样性 (在该论文实验中，所有参数组合共可得 144 种分形变体)。 进一步地，针对以迭代顺序标记的分形矩阵，构建一个混沌加 ...

广发证券首席金工分析师 安宁宁 广发金工安宁宁陈原文团队 摘要 最近5个交易日，科创50指数跌3.19%，创业板指涨0.50%，大盘价值跌0.38%，大盘成长跌0.40%，上证50跌1.12%，国证2000代表的小盘涨1.18%，电力设 备、有色金属表现靠前，通信、美容护理表现靠后。 SAC: S0260512020003 anningning@gf.com.cn 广发证券资深金工分析师 张钰东 SAC: S0260522070006 zhangyudong@gf.com.cn 风险溢价，中证全指静态PE的倒数EP减去十年期国债收益率，权益与债券资产隐含收益率对比，截至2025/10/29指标2.84%，两倍标准差边界为4.75%。 估值水平，截至2025/10/29，中证全指PETTM分位数81%，上证50与沪深300分别为75%、73%，创业板指接近53%，中证500与中证1000分别为63%、 61%，创业板指风格估值相对历史总体处于中位数水平。 使用卷积神经网络对图表化的价量数据与未来价格进行建模，并将学习的特征映射到行业主题板块中。最新配置主题为银行、能源、红利等，具体包括中 证银行指数、中证能源指 ...

市场表现 - 最近5个交易日科创50指数上涨7.27% 创业板指上涨8.05% 上证50指数上涨2.63% 国证2000指数上涨3.58% [1] - 行业板块中通信和电子表现靠前 农林牧渔和食品饮料表现靠后 [1] - 市场风格方面 大盘成长风格上涨5.08% 大盘价值风格上涨1.30% [1] 估值水平 - 截至2025年10月24日 中证全指市盈率分位数为81% 处于相对较高水平 [1] - 上证50指数市盈率分位数为76% 沪深300指数市盈率分位数为73% [1] - 创业板指市盈率分位数接近52% 处于历史中位数水平 中证500和中证1000指数市盈率分位数分别为62%和59% [1] 资金流向 - 最近5个交易日ETF资金净流入24亿元 [2] - 同期融资盘减少约62亿元 [2] - 两市日均成交额为17795亿元 [2] 风险溢价 - 截至2025年10月24日 中证全指静态市盈率的倒数EP与十年期国债收益率的差值为2.79% [1] - 该风险溢价指标的两倍标准差边界为4.75% [1] AI模型行业配置 - 基于卷积神经网络的AI模型将价量数据图表化并与未来价格建模 最新配置主题为能源 银行 煤炭等行业 [2][11] - 具体配置指数包括中证能源指数 中证银行指数 中证煤炭指数 中证800银行指数和中证内地低碳经济主题指数 [3][12]

市场表现与风格 - 最近5个交易日科创50指数涨幅为6.47%，创业板指涨1.96%，大盘价值跌0.34%，大盘成长涨2.48%，上证50涨1.07%，国证2000代表的小盘跌1.27% [1] - 电力设备、有色金属行业表现靠前，社会服务、综合行业表现靠后 [1] - 中证全指PETTM分位数为77%，上证50与沪深300分位数分别为70%和69%，创业板指分位数接近51%，处于历史中位数水平 [1] 资金与交易动态 - 最近5个交易日ETF资金流入178亿元，融资盘增加约417亿元，两市日均成交金额为22921亿元 [2] 风险偏好与估值水平 - 截至2025年9月26日，中证全指风险溢价为2.88%，其两倍标准差边界为4.76% [1] - 中证500与中证1000的PETTM分位数分别为62%和58% [1] 人工智能模型应用与主题配置 - 应用卷积神经网络对图表化价量数据与未来价格进行建模，并将学习特征映射到行业主题板块 [2][10] - 最新配置主题聚焦于半导体材料、芯片、信息技术等领域，涉及上证科创板半导体材料设备主题指数、中证半导体产业指数等细分指数 [2][3][11]

极端降雨预测技术突破 - 印度理工学院孟买分校与马里兰大学合作开发基于卷积神经网络与迁移学习的超本地预测模型 实现对极端降雨事件提前数天预报[1] - 模型将分辨率从传统全球预报系统的25平方公里下调至城区级别 显著提升空间精度[1][3] - 采用事件同步方法和Louvain算法识别极端降雨空间同步模式 效率优于传统聚类方法[3][7] 模型数据与方法论 - 使用美国国家环境预报中心全球预报系统数据 时间覆盖2015年6月至2023年9月 空间范围北纬18°–20°、东经72°–74° 分辨率0.25°×0.25°[4] - 整合孟买市政公司36个自动气象站数据 记录周期每15分钟一次 时间范围2006至2023年[4] - 通过相关性筛选保留与降雨强相关的可降水量、相对湿度、温度、气压等气象因子作为预测变量[4] 模型性能表现 - 迁移学习模型在提前1至3天预报中均优于传统模型 提前两天表现尤为突出[13] - 极端降雨预测准确度较全球预报系统提升60%-400% 第1-2天预报能更早捕捉暴雨过程[15] - 在95%和99%分位数检验中 虚假警报率显著降低 威胁评分最高提升400%[15][17] 印度人工智能战略布局 - 印度政府启动"IndiaAI Mission" 目标6-10个月内完成本土基础模型研发[20] - 全球采购18,600块GPU建立IndiaAI Compute Facility 为初创公司和研究团队提供补贴算力[20][21] - 指定本土AI公司Sarvam开发印度首个多语言"主权大模型" 重点服务医疗、政务等领域[20]

市场近期表现 - 最近5个交易日，科创50指数上涨5.48%，创业板指上涨2.10%，上证50上涨0.89%，国证2000指数上涨2.34% [1] - 行业板块中，电子和房地产表现靠前，综合和银行表现靠后 [1] - 市场资金交易活跃，两市日均成交额达到22948亿元，ETF资金流入116亿元，融资盘5个交易日增加约591亿元 [2] 风险溢价与估值水平 - 截至2025年9月12日，中证全指风险溢价为2.87%，其两倍标准差边界为4.76% [1] - 历史数据显示，当风险溢价超过4%（如2022年4月26日的4.17%和2022年10月28日的4.08%）时，市场往往迅速反弹，2024年1月19日该指标为4.11%，是2016年以来第五次超过4% [1] - 估值方面，中证全指PETTM分位数为78%，上证50和沪深300分位数分别为72%和70%，创业板指分位数接近48%，处于相对历史中位数水平 [2] 技术分析与周期观察 - 深100指数技术面呈现约3年一轮的熊牛周期，例如2012、2015、2018、2021年，每次下行幅度在40%至45%之间 [2] - 本轮始于2021年一季度的调整，无论时间或空间均已比较充分，存在底部向上周期的可能性 [2] 基于AI的行业主题配置 - 应用卷积神经网络对价量数据建模，将学习特征映射到行业主题，最新配置主题包括汽车、通信、人工智能和化工 [2][3][11] - 具体关注的细分指数包括中证800汽车与零部件指数、中证全指通信设备指数、中证人工智能主题指数、中证人工智能产业指数和中证细分化工产业主题指数 [3][11]

Scaling Law历史溯源 - Scaling Law概念最早于1993年由贝尔实验室团队提出，而非普遍认为的2020年OpenAI或2017年百度[1] - 核心理论发表于《Learning Curves: Asymptotic Values and Rate of Convergence》论文，揭示训练误差与测试误差随训练规模增加按幂律形式收敛[4] - 该理论与现代Scaling Law高度一致：通过增加模型参数量(N)、训练数据量(D)和计算量(FLOPS)可预测性提升模型性能[6] 理论框架与实验验证 - 研究初衷为节省分类器训练的计算资源，通过中等规模数据集训练结果外推预测大规模数据表现[8][9] - 提出误差收敛公式：测试误差$\mathcal{E}_{\text{test}}=a+\frac{b}{l^{a}}$，训练误差$\mathcal{E}_{\text{train}}=a-\frac{c}{l^{a}}$，渐近误差a值范围0.5-1[10] - 在线性分类器的布尔分类任务中预测准确率达极高精度[15] - 在多层神经网络（如LeNet）中，仅用12000样本训练即可预测60000样本规模下的CNN性能表现[19] - 任务难度与渐近误差呈正相关，困难任务收敛速率更小（学习更慢）[22] 核心研究人员背景 - Vladimir Vapnik为支持向量机(SVM)主要发明者，1964年与Chervonenkis提出原始SVM算法，1992年在贝尔实验室开发核技巧处理非线性分类[27][28] - Corinna Cortes现任Google Research纽约分部副总裁，2022年当选ACM Fellow表彰其对机器学习贡献[30][33] - John S Denker与Yann LeCun合作完成手写识别经典论文，涉及机器学习、系统安全、好莱坞特效等多领域[35][36][37] 贝尔实验室的技术遗产 - 卷积神经网络与支持向量机均诞生于贝尔实验室，曾存在技术路线竞争[38] - 1995年Vapnik与Larry Jackel以豪华晚餐打赌神经网络可解释性，2000年Vapnik胜出但2005年局势逆转[38] - LeCun作为赌局见证人，亲历了神经网络从质疑到主流的技术演进过程[39]

市场表现 - 最近5个交易日科创50指数涨7.49% 创业板指涨7.74% 大盘价值跌1.37% 大盘成长涨5.83% 上证50涨1.63% 国证2000涨0.33% [1] - 通信和有色金属行业表现靠前 纺织服饰和煤炭行业表现靠后 [1] 风险溢价指标 - 中证全指风险溢价指标2022/04/26达4.17% 2022/10/28达4.08% 2024/01/19达4.11% [1] - 截至2025/08/29风险溢价指标为2.92% 两倍标准差边界为4.77% [1] 估值水平 - 中证全指PETTM分位数78% 上证50分位数72% 沪深300分位数70% 创业板指分位数46% [2] - 中证500分位数60% 中证1000分位数59% 创业板指估值处于历史相对较低水平 [2] 技术面分析 - 深100指数技术面呈现3年周期特征 2012/2015/2018/2021年下行幅度40%-45% [2] - 本轮调整始于2021年一季度 时间和空间较充分 关注底部向上周期可能 [2] 资金交易 - 最近5个交易日ETF资金流入286亿元 融资盘增加966亿元 [3] - 两市日均成交额29510亿元 [3] 人工智能主题配置 - 使用卷积神经网络对价量数据建模 特征映射至行业主题板块 [9] - 最新配置主题包括人工智能产业指数 消费电子主题指数 5G通信主题指数等 [10] 指数跟踪 - 重点跟踪指数包括中证人工智能产业指数(931071.CSI) 中证5G通信主题指数(931079.CSI) [10] - 同时关注中证全指通信设备指数(931160.CSI) 中证细分化工产业主题指数(000813.CSI) [10]

自研芯片进展 - 理想汽车自研智驾芯片M100于今年一季度完成样片回片 迈过量产前关键阶段 [1] - M100在两周内完成功能测试和性能测试 并通过研发人员压力测试 [1] - 芯片已小批量上样车进行道路测试 目前处于实际应用验证阶段 [1] 芯片性能表现 - 处理大语言模型计算任务时 1颗M100有效算力相当于2颗英伟达Thor-U [1] - 处理卷积神经网络视觉任务时 1颗M100有效算力可对标3颗英伟达Thor-U [1] - 芯片在特定计算任务中展现出显著性能优势 尤其在传统图像识别领域 [1]

游戏产品设计 - 游戏名称为Draw A Fish 是一款AI驱动的小游戏 用户通过手绘鱼类图案参与互动[3] - 玩法门槛极低 无需登录或教程 点击即玩 通过简易画布工具绘制面朝右侧的小鱼[3][14] - 实时AI反馈系统在绘制过程中显示鱼类相似度百分比 达到60%以上即可激活游泳功能[5][14] - 完成作品后可命名并投放至共享虚拟鱼缸 与全球用户创作共同展示 支持点赞和拉踩互动[5][8][15] - 提供个人账号系统 注册用户可拥有专属鱼缸收藏作品[13] 技术架构 - 核心采用PyTorch框架的卷积神经网络 基于ResNet18架构进行图像识别[16] - 训练数据源自Google QuickDraw大规模手绘数据集 聚焦鱼类与非鱼类二分类任务[16] - 模型经过优化调整 采用宽松判定策略提升游戏趣味性 避免对用户创作过度苛刻[16] - 工程实现包含透明度处理 早停机制 数据预处理一致性及类别不平衡解决方案[18] - 透明度处理要求非纯白色背景 早停机制设定5个epoch验证损失无改善则终止训练[18] 用户参与度 - 全球用户规模达百万级 呈现高参与度特征[3][14] - 设计排行榜机制激发竞争 当前最高分作品达53245分 最低分作品为-40182分[7] - 即时成就感驱动 相似度从30%提升至50%即可产生持续创作动力[14] - 共享鱼缸与社区互动增强粘性 形成陌生人作品混展的赛博社交空间[15] 产品比较优势 - 相较于传统AI绘图工具 具备即时参与性和动态互动循环优势[14] - 低门槛设计类比现象级游戏Flappy Bird 通过极简操作实现强沉浸感[14]