市场表现与风格 - 最近5个交易日，科创50指数上涨1.72%，创业板指上涨2.74%，大盘价值下跌1.21%，大盘成长上涨0.86%，上证50下跌0.25%，国证2000代表的小盘股上涨0.69% [1] - 行业表现方面，通信和国防军工表现靠前，煤炭和石油石化表现靠后 [1] 估值水平 - 截至2025年12月12日，中证全指PETTM分位数为79%，上证50与沪深300分位数分别为73%和71%，创业板指接近55%，中证500与中证1000分位数分别为58%和56% [1] - 创业板指风格估值相对历史总体处于中位数水平 [1] 资金流向与交易 - 最近5个交易日，ETF资金流入186亿元，融资盘增加约235亿元 [2] - 两市日均成交额为19337亿元 [2] 风险溢价 - 截至2025年12月12日，中证全指静态PE的倒数EP减去十年期国债收益率（风险溢价）为2.82%，其两倍标准差边界为4.71% [1] AI量化模型观察 - 基于卷积神经网络（CNN）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 [2][11] - 最新配置主题包括通信、人工智能、创业板动量成长等，具体关注指数包括中证通信设备主题指数、创业板人工智能指数、中证5G通信主题指数、创业板动量成长指数等 [2][3][12]

市场近期表现 - 最近5个交易日，科创50指数下跌0.08%，创业板指上涨1.86%，大盘价值上涨0.74%，大盘成长上涨1.61%，上证50上涨1.09%，国证2000代表的小盘股上涨0.19% [1] - 行业层面，有色金属和通信表现靠前，传媒和房地产表现靠后 [1] 市场估值水平 - 截至2025年12月5日，中证全指PETTM分位数处于80%的高位，上证50与沪深300的分位数分别为75%和72% [1] - 创业板指估值分位数接近49%，处于历史中位数水平，中证500与中证1000的分位数分别为61%和57% [1] 资金交易情况 - 最近5个交易日，ETF资金整体流出14亿元，而融资盘增加约115亿元 [2] - 两市日均成交额为16824亿元 [2] 卷积神经网络趋势观察 - 基于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中 [2][10] - 最新配置主题包括通信、红利低波、创业板动量成长等，具体关注中证通信设备主题指数、中证红利低波动100指数、创业板动量成长指数等细分指数 [2][3][11] 风险溢价指标 - 截至2025年12月5日，中证全指静态市盈率的倒数EP减去十年期国债收益率，即风险溢价指标为2.81%，其两倍标准差上边界为4.72% [1]

市场近期表现 - 最近5个交易日，科创50指数上涨3.21%，创业板指上涨4.54%，国证2000代表的小盘股上涨4.50% [1] - 风格表现上，大盘价值下跌0.21%，大盘成长上涨2.63%，上证50上涨0.47% [1] - 行业层面，通信和电子板块表现靠前，而石油石化和银行板块表现靠后 [1] 市场估值水平 - 截至2025年11月28日，中证全指PETTM分位数为79%，显示估值处于相对较高水平 [1] - 主要指数估值分位数：上证50为75%，沪深300为71%，中证500为60%，中证1000为57% [1] - 创业板指估值分位数接近48%，其风格估值相对历史总体处于中位数水平 [1] 资金与交易情况 - 最近5个交易日，ETF资金流入82亿元，而融资盘减少约191亿元 [2] - 两市日均成交额为17238亿元 [2] 风险偏好指标 - 截至2025年11月28日，中证全指风险溢价（EP减去十年期国债收益率）为2.89% [1] - 该指标的两倍标准差边界为4.73% [1] AI模型识别主题 - 基于卷积神经网络的AI模型将价量数据与未来价格建模，学习特征映射到行业主题 [2][11] - 模型最新配置主题包括中药、银行和高股息等板块 [2] - 具体关注的细分指数包括中证中药指数、中证银行指数和上证国有企业红利指数等 [3][12]

市场近期表现 - 最近5个交易日，科创50指数下跌3.85%，创业板指下跌3.01%，大盘价值上涨1.44%，大盘成长下跌1.64%，上证50微涨0.003%，国证2000代表的小盘股下跌0.53% [1] - 行业层面，综合与纺织服饰板块表现靠前，而通信与电子板块表现靠后 [1] 市场估值水平 - 截至2025年11月14日，中证全指PETTM分位数为81%，上证50与沪深300的分位数分别为77%和73%，显示大盘股估值处于历史较高水平 [1] - 创业板指估值分位数接近50%，处于历史中位数水平，而中证500与中证1000的估值分位数分别为62%和61% [1] 资金交易情况 - 资金层面，最近5个交易日ETF资金流入122亿元，融资盘增加约77亿元 [2] - 两市日均成交额为20226亿元 [2] 风险溢价水平 - 截至2025年11月14日，中证全指静态市盈率的倒数EP减去十年期国债收益率，即风险溢价指标为2.78%，其两倍标准差边界为4.74% [1] AI模型关注主题 - 基于卷积神经网络的AI模型，通过对价量数据图表进行深度学习，将特征映射到行业主题，最新配置主题包括能源和高股息等 [2] - 模型具体关注的指数包括中证能源指数、中证高股息策略指数、中证智选高股息策略指数、上证国有企业红利指数和中证旅游主题指数 [2][12]

公司核心人事与架构变动 - Meta首席人工智能科学家Yann LeCun计划离开公司并筹备创立新的AI初创企业，已开始与潜在投资方进行早期谈判[2] - Meta宣布将旗下所有人工智能业务统一整合为新部门Superintelligence Labs，并由前Scale AI创始人Alexandr Wang出任领导人[2] - LeCun的汇报关系发生变化，从原先向首席产品官Chris Cox汇报改为直接向Alexandr Wang汇报[2] 公司战略方向转变 - Meta的AI研究哲学发生根本转变，新成立的Superintelligence Labs更接近于OpenAI式的激进路线，主打商业落地、算力堆叠与速度优先[3] - 公司将AI视为未来十年的核心战役，将所有资源押注在超智能方向，目标直接对标AGI（人工通用智能）[4] - 公司原有的FAIR研究院地位动摇，被逐步吸收进以Superintelligence Labs为中心的新体系，更多服务于产品导向和商业需求[4] 行业理念分歧与影响 - Yann LeCun的AI理念与当前主流的大语言模型路径存在深刻分歧，他认为大语言模型并不真正理解世界，并更关注让机器具备世界模型与常识推理能力[3] - 工业界与学术界之间的界线正在迅速被抹平，AI巨头的重心急速滑向应用、商业与产品，资本迫切希望看到有结果的智能[5] - LeCun的离开被视为一位科学家对加速主义潮流的无声抗议，其新创业方向可能更侧重于研究的纯粹性及构建接近人类认知机制的解释型AI[4][5]

市场表现 - 最近5个交易日，科创50指数涨0.01%，创业板指涨0.65%，大盘价值涨2.33%，大盘成长涨0.28%，上证50涨0.89%，国证2000代表的小盘涨0.52% [1] - 行业板块中，电力设备、煤炭表现靠前，计算机、美容护理表现靠后 [1] 估值水平 - 截至2025年11月7日，中证全指PETTM分位数为82%，上证50与沪深300分位数分别为77%、74% [1] - 创业板指估值分位数接近53%，中证500与中证1000分位数分别为63%、62%，创业板指风格估值相对历史总体处于中位数水平 [1] 资金流向 - 最近5个交易日，ETF资金流入372亿元，融资盘减少约7亿元 [2] - 两市日均成交额为19899亿元 [2] 风险偏好 - 截至2025年11月7日，中证全指静态EP与十年期国债收益率的风险溢价指标为2.78%，其两倍标准差边界为4.74% [1] AI模型配置主题 - 基于卷积神经网络的AI模型将学习特征映射到行业主题板块，最新配置主题包括银行、能源、红利等 [2] - 具体关注的细分指数包括中证银行指数、中证能源指数、中证中央企业红利指数等 [2][3][12]

文章核心观点 - 提出一种名为FractalForensics的主动深度伪造检测与定位方法，该方法基于分形水印技术 [5] - 该方法旨在解决现有水印技术在鲁棒性、伪造定位能力以及计算资源消耗方面存在的问题 [4][8] - 通过参数化的水印生成和加密流程，结合卷积神经网络模型，实现了在检测Deepfake的同时完成伪造区域的精确定位 [5][9][11] 工作动机 - 现有针对深度伪造的主动防御研究，如鲁棒水印和半脆弱水印，在检测任务上取得进展但仍存在局限 [4] - 当前技术普遍面临鲁棒性不稳定、无法同时进行鉴伪和定位、以及因存储ground-truth而大量消耗计算资源的问题 [8] 工作介绍 - 提出的水印以矩阵形式出现，区别于以往的水印向量，以实现伪造定位功能 [5] - 设计了一个参数化的水印生成和加密流程，以标准希尔伯特曲线为例，并定义了旋转、镜像、次序改变三个变体参数，共可产生144种分形变体 [6][7] - 构建混沌加密系统对分形矩阵进行加密，加密后的值为0到9的一位十进制数字，并转化为四位二进制值以提升容错率 [7][9] - 水印嵌入与提取基于卷积神经网络，采用entry-to-patch策略将图像划分为32x32的patch，以位置对应方式嵌入水印 [9][10] - 通过控制卷积核大小远小于patch尺寸，确保各patch间水印互不影响，篡改区域会丢失水印从而实现检测与定位 [11] 实验结果 - 经过针对Jpeg压缩的对抗训练后，该方法在面对常见图像处理时保持了最优的鲁棒性，在面对Deepfake伪造时展现了合理的脆弱性 [13] - 在CelebA-HQ数据集上的鲁棒性评估显示，其平均鲁棒性达到99.73%（patch）和99.91%（bit），显著高于对比模型如WaterLo（73.10%）和SepMark（92.39%） [14] - 在Deepfake脆弱性评估中，面对多种伪造方法（如SimSwap、InfoSwap等），该方法平均脆弱性为39.27% [15] - 在Deepfake检测的AUC效果对比中，该方法对多种伪造技术的检测效果均达到99.99%，平均效果为99.99%，优于所有被动检测的SOTA工作 [16][17] - 伪造定位效果显示，该方法能准确聚焦于被篡改区域，face swapping方法定位区域主要在人脸内部，face reenactment方法的定位区域分布更离散 [18][20][21]

市场表现 - 最近5个交易日科创50指数下跌3.19%，创业板指上涨0.50%，国证2000代表的小盘股上涨1.18% [1] - 行业方面电力设备、有色金属表现靠前，通信、美容护理表现靠后 [1] - 两市日均成交额为22967亿元 [2] 估值水平 - 截至2025年10月29日中证全指PETTM分位数为81%，上证50与沪深300分位数分别为75%和73% [1] - 创业板指估值分位数接近53%，中证500与中证1000分位数分别为63%和61% [1] - 风险溢价指标为2.84%，两倍标准差边界为4.75% [1] 资金流向 - 最近5个交易日ETF资金流出69亿元 [2] - 融资盘5个交易日增加约469亿元 [2] AI量化模型主题配置 - 使用卷积神经网络对价量数据建模，最新配置主题为银行、能源、红利等 [2] - 具体关注指数包括中证银行指数、中证能源指数、中证中央企业红利指数等细分指数 [2][3][12]

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]