深度价值基金经理的市场表现 - 在2025年牛市中，深度价值基金经理普遍跑输市场，其代表作年内收益多数在10%至20%之间，而中证主动偏股基金指数同期收益达34.11%，沪深300指数收益为15.63% [6][12] - 具体来看，徐彦代表作年内收益16.52%，姜诚代表作收益6.51%，蓝小康代表作收益33.34%，冯汉杰代表作收益14.11%，赵晓东代表作收益10.36%，谭丽代表作收益11.79%，杨鑫鑫代表作收益8.45%，蔡宇滨代表作收益15.31%，蔡志文代表作收益21.37% [9][10][11] - 相比之下，成长风格基金表现突出，重仓AI算力、创新药的产品年内收益翻倍，最高超过200%，全市场有46只权益类"翻倍基"净值增长率超100% [4][7] 深度价值风格的投资哲学与持仓特征 - 深度价值基金经理注重安全边际，偏好低估值、竞争力强、行业格局稳定的公司，其收益特征为牛市涨得少、熊市抗跌，长期年化回报可观，例如徐彦近6年年化收益15.26%，姜诚超8年年化收益16.47% [4][9][19] - 持仓集中在低估值板块，如金融、地产、传统周期制造、建筑、家电、能源等，例如姜诚重仓中国建筑、工商银行，徐彦重仓康弘药业、中国移动 [9][14] - 与成长风格基金经理相比，深度价值风格不追逐热门股（如光模块、半导体），而是通过企业所有者视角投资，强调"质价双优"和逆向布局，盈利来源包括估值修复、业绩超预期等 [16][17][18] 深度价值基金的配置策略与风格稳定性 - 深度价值基金适合作为底仓配置，风险偏好较低的投资者可增加配置比例，而追求高回报的投资者可搭配成长风格基金或ETF，以实现风险对冲 [24][26] - 风格稳定性是关键，部分深度价值基金经理（如鲍无可、丘栋荣）已离开公募行业，新人稀缺，仅永赢基金王乾、国泰海通资管朱晨曦等少数业绩突出 [33][36] - 需区分深度价值与逆向策略、周期风格，例如林英睿偏逆向策略（曾重仓航空股），而深度价值要求低估值与高竞争力或高分红匹配，持仓行业集中度较低 [29][30][36] 行业环境与风格适应性 - A股政策导向偏向科技成长、高端制造，公募投研资源向这些领域倾斜，而深度价值偏重的传统经济板块（如金融地产）投研投入减少 [34] - 部分深度价值基金经理会配置少量科技股作为对冲或提升弹性，例如徐彦曾持仓寒武纪，周云重仓工业软件，但整体仍保持低风险偏好 [35][36] - 历史数据显示，深度价值基金在牛市中表现平淡（如姜诚代表作2019-2020年收益分别为32.00%、41.78%），但在熊市中优势明显，长期复合收益不逊于成长风格 [19][21]

核心技术自主性 - 公司始终坚持自主研发的技术发展路径 [1] - 公司所掌握的核心技术均系研发团队多年自主研发的成果 [1] - 核心技术具有完全自主知识产权 [1] 知识产权储备 - 截至2025年6月30日，公司已取得各类知识产权373项 [1] - 其中发明专利为98项 [1] 生产布局 - 公司各产品均在我国境内完成生产 [1]

文章核心观点 - 苹果公司近期发布了一项名为RL4HS的突破性研究，该方法利用强化学习训练大语言模型，使其能够精确识别并定位输出内容中的幻觉片段，而不仅仅是进行笼统的错误提示 [3][4] - 该方法在片段级幻觉检测任务上的性能超越了包括GPT-5和o3在内的多个先进商用模型，标志着大语言模型在可靠性和可审计性方面迈出了重要一步 [5][6] 研究方法与技术框架 - 研究核心是探究显式推理（思维链，CoT）是否有助于复杂的幻觉片段检测任务，初步实验表明，具备CoT推理的模型在多次采样时，至少能生成一个正确答案的潜力显著提升 [8][14] - 提出的RL4HS框架结合了片段级奖励和类别感知的组相对策略优化，旨在激励模型进行有效推理，并解决因奖励函数不对称导致的模型预测偏差问题 [9][17] - 为解决奖励不平衡，引入了类别感知策略优化，为非幻觉类别的样本优势值引入缩放因子α（实验中α=0.5），以缓解模型倾向于做出非幻觉预测的偏差 [17] 实验设计与数据 - 实验在RAGTruth基准测试集上进行，该数据集涵盖摘要生成、问答和数据到文本三类任务，训练、验证和测试集规模分别为数千条样本 [10][17] - 主要采用Qwen2.5-7B-Instruct和Qwen2.5-14B-Instruct作为基础模型进行训练与评估 [17] 性能评估与结果对比 - 预训练指令微调模型表现不佳，例如Qwen2.5-7B/14B-Instruct的平均F1分数低于30，表明仅靠提示无法实现精确的片段级定位 [21] - 具备推理能力的预训练模型（如Qwen3-14B）性能有所提升，在摘要任务上F1达到35.8，但仍落后于微调模型 [24] - 监督微调显著提升性能，14B规模模型的平均F1达到55.4 [24] - RL4HS模型在所有基线模型上均表现出优势，RL4HS-7B的平均F1达到55.9，优于监督微调的50.1 [24] - RL4HS-14B模型在摘要、问答和数据到文本任务上的F1分数分别达到57.6、54.8和62.6，超越了Qwen3系列以及表现最强的GPT-5和o3模型 [24] 定性分析与实际意义 - 定性分析案例显示，RL4HS能够执行系统化的一致性检验推理，其推理过程与人工设计的启发式检测流程高度一致，表明其学习到的推理行为是真实可靠的 [25][26] - 该技术能直接指出具体错误段落，对于需要修改输出或进行事实审查的用户，可以大大节省时间 [4]

股价表现 - 大众公用早盘股价回落逾6%至4.44港元，成交额4805.8万港元 [1] - 尽管当日下跌，公司股价月内累计涨幅仍超过40% [1] 公司投资关联 - 公司通过参股深创投，间接持有宇树科技股份 [1] - 宇树科技预计于今年第四季度向证券交易所提交上市申请文件 [1] - 深创投亦是另一家公司摩尔线程的投资方，摩尔线程的科创板IPO申请已通过上交所上市委会议审议 [1]

经济规模与增长趋势 - 2025年第一季度中国GDP增长率达到5.2%，美国为2.8% [1] - 截至2025年上半年，美国GDP总量约为28.5万亿美元，中国为19.8万亿美元，两者差距为8.7万亿美元 [1] - 中国经济有望在2035-2040年左右超越美国成为全球第一大经济体 [12] 亚洲经济崛起与重心东移 - 2000年至2025年，亚洲在全球经济增长中的贡献率超过50%，中国贡献了其中一半以上 [3] - 截至2025年，亚洲拥有超过45亿人口，占全球总人口的55%以上 [4] - 到2030年，全球中产阶级将新增近20亿人，其中超过80%来自亚洲 [4] 科技创新与研发投入 - 2025年亚洲国家的专利申请量占全球总量的65%以上 [4] - 中国的研发投入占GDP比重接近3%，超过欧盟平均水平 [4] - 中国高技术产业增加值占规模以上工业的比重达到15%以上 [12] 贸易格局演变 - 2025年亚洲在全球商品贸易中的份额超过35% [6] - 中国成为超过130个国家和地区的最大贸易伙伴 [6] - 区域全面经济伙伴关系协定（RCEP）覆盖全球约30%的人口和GDP [8] 经济结构优化 - 2025年中国服务业增加值占GDP比重超过57% [12] - 内需对经济增长的贡献率保持在75%左右 [12] - 2025年中国人均GDP约1.4万美元，为美国的五分之一左右 [10]

活动背景与意义 - 2025年国际海上导助航高级管理人员培训班与专家班首次在温州同城举办，吸引了世界多国的学员和专家参与[1] - 温州作为海上丝绸之路的重要节点城市，此次活动延续了其“海丝”记忆，并促进了跨越国界的航海文明对话[1] 城市形象与产业特色 - 温州被描述为一座让传统与现代、东方与世界交汇的城市，其“海丝文化”与“匠心精神”相互辉映[1] - 活动展示了温州的多元素质，包括在江心屿感受历史、在劳模工匠馆体验油纸伞技艺传承、以及在中国眼谷接触黑科技[1]

文章核心观点 - 江都区积极把握政策机遇，运用科技手段推动先进制造业与现代服务业深度融合，已取得初步试点成果，并规划了清晰的未来发展路径 [1][4][6] 工业基础与规模 - 2024年工业开票销售达1573亿元，全年新增规上工业企业87家，企业总数达1002家，总量居全市首位 [2] - 新增工业开票销售亿元以上企业26家，总数突破163家，新增10亿元以上企业1家，总数达19家 [2] - 龙头企业发挥产业链推动作用，在技术研发、公共服务等领域创新突破，引领产业链融合与高端跃升 [2] 产业体系与集群 - 积极发展高端装备、高技术船舶、汽车及零部件、新材料、新一代信息技术五大产业集群 [2] - 培育壮大工业母机及机器人、智能电网等10条新兴产业链，同时加快发展现代物流、科技研发等生产性服务业 [2] 科技创新与人才 - 高新技术企业总数超过600家，总量持续领跑全市，建成投用科技综合体47万平方米，建成4家省级孵化器 [3] - 新增省、市级企业“三站三中心”59家，省级总数达281家，每年达成产学研合作150项以上 [3] - 累计实施国际科技合作项目10个，承担重大科技成果转化项目30项，为融合发展提供创新要素 [3] 政策支持与产业集聚 - 制定《江都区“十四五”现代服务业发展规划》，建立完善工作机制，并利用各级引导资金支持企业转型升级 [4] - 依托重点园区和龙头企业，推动产业向微笑曲线两端延伸，构建深度融合的发展载体和优势产业集群 [4] 企业梯队建设与发展方向 - 按营收规模建立区级、市级、省级制造业企业后备库，并梳理295家规上服务业企业建立服务业企业后备库 [5] - 加强业务培训与指导，鼓励企业向高端化、智能化、数字化、品牌化方向发展 [5] 未来规划 - 加快构建优质高效的“6+3”服务业产业体系，持续在组织、服务、产业融通上下功夫，推动融合发展迈上新台阶 [6]

全国科普月活动概况 - 首个全国科普月于2024年9月举行，依据2023年底公布施行的新修订科普法设立 [2] - 活动期间全国各地掀起科学热潮，广泛开展了数十万场活动，各年龄段公众积极参与 [2] 科普活动形式与内容创新 - 中国科技馆推出“科创筑基·科普惠民”创新成果展，集中呈现来自30多个科研团队的智慧结晶 [3] - 展览涵盖智能生活、生命生存、深空探索和机器人仿生四大板块，包括可穿戴电子织物、月球生命罐、对构齿轮等展品 [3] - 中国科技馆举办“科学之夜”大型活动，打造了互动导览剧、舞台剧、互动剧本杀等10余个跨界融合板块 [4] - 北京科学中心新开放“求索”展区，面积达1400多平方米，串联科学认知、技术创新与社会协作三大主题 [6] - 活动形式包括科普剧、科学大师剧、科普游园会、科学运动会等，将实验与游戏结合 [8] 科普资源建设与覆盖 - 截至2024年底，全国已建成548座符合标准的科技馆，形成纵向贯通省市县、横向联动各领域的现代科技馆体系 [9] - 中国科协计划在乡镇试点科普馆建设，进一步扩大科普场馆覆盖面 [9] - 北京通过整合优质科普资源，构建“全月科普矩阵”，联动16区及多方资源，推出30余项重点活动 [7] - 中国科协推出“‘十四五’科技成就掠影”数字展，向公众全面呈现中国19项重大科技进展 [6] 科普成效与公众参与 - 近5年来中国公民科学素质水平大幅提升，2024年公民具备科学素质的比例达到15.37%，提前完成2025年阶段性目标 [8] - 中国全社会参与科普的积极性大幅提高，活动覆盖面持续拓展，今年全国科普月设置了六大板块内容 [8] - 科学家来到展览现场与观众面对面交流，分享研究成果、解析科学原理，推动科普从“单向输出”变成“双向互动” [3][5]

公司业务转型 - 公司展示全系列AI家电产品 表明从传统电视制造商向智能家电领域扩展 [1] - 公司推出高度加密数据空间技术 体现其在信息安全领域的布局 [1] - 公司自主研发量子动态绝对重力仪 具备地震监测功能 进入高端科学仪器领域 [1] 技术研发成果 - 公司开发应用于高铁的电源技术 拓展轨道交通装备市场 [1] - 公司集中展示多项自主研发黑科技产品 包括家电 加密技术 电源技术和科学仪器 [1] - 公司通过科技博览会平台呈现多元化技术实力 改变传统电视企业形象 [1]

核心观点 - Agent智能体技术在地产和物业行业实现深度应用，通过多场景数字员工提升决策效率、风险控制和运营自动化水平，重塑行业运营逻辑 [3][5][6] - 公司自2014年起投入超100亿元进行数字化转型，搭建近300个业务系统，为Agent落地奠定数据基础 [7] - 自研数字员工平台结合500多个垂直算法模型，实现多智能体协作，准确率稳定在80%左右，年挽回损失达数千万级 [6][15][23] 业务痛点与Agent解决方案 - 决策时效性问题：区域公司调价审批依赖人工分析需1-2周，错过市场窗口 [7] - 复杂度与风险问题：传统流程无法快速模拟调价对货值、利润率等多维度影响，导致凭经验"盲批" [7] - Agent价值：融合财务、市场、运营数据提供综合建议，持续学习优化，接近"认知复制" [8] 关键落地场景与成效 定调价智能Agent - 自动整合财务数据、历史销售数据、竞品价格和市场风向，模拟不同调价方案影响 [10] - 审批时间从1-2周缩短至1-2天，避免单项目数百万货值损失 [10][11] - 首个重点Agent针对高风险高影响场景，直接给出建议通过/不通过结论 [10] 停车场异常抬杆稽核 - 年处理2亿次抬杆记录，人工审核比例从100%降至17%，稽核效率提升83% [15] - 多模态大模型自动判别合理放行与异常逃费，年避免数千万损失 [15] - 已在400多个项目落地，不合规放行减少近90% [15] 合同审核Agent - 自动识别免租期、押金、违约条款等风险点，提示条款不符合企业规定 [20] - 针对商业地产招商合同复杂条款，避免后续运营风险 [17][20] - 替代人工逐条审核，提升审核效率与准确性 [17] 培训考试Agent - 基于SOP和制度规范自动生成题库、考试及阅卷分析 [16] - 新员工入职或转岗可快速完成学习考核，保证考试一致性和公平性 [16] - 新规章制度颁布后几天内生成多岗位题库，加速全员适应 [16] 技术实施与组织管理 技术门槛与解决方案 - 最大挑战为企业知识准备度，需清晰SOP和规则库支持Agent执行 [21] - 数据质量依赖统一数字化体系，提供统一口径高标准数据 [21] - 通过结构化方式输入制度、规范、合同模板等规则，训练Agent精准识别风险 [22] 多智能体协作 - 新员工入职流程涉及审批Agent、IT部门自动开通账号、人事Agent收集信息等多Agent协作 [24][25] - 通过接口打通实现跨部门自动化，形成虚拟员工团队 [25][26] - 异常时需业务负责人介入，大部分步骤无需人工干预 [25] 自研技术路线 - 大模型采用开源与付费服务结合，AI智能体平台以自研为主 [27] - 自研数字员工平台灵活适应复杂业务场景，避免通用模型个性化不足问题 [27] - 正在进行不动产行业大模型训练，强化业务专属性和精准性 [27] 组织推进策略 - 实行AI产品经理与业务专家"双角色团队"机制，按6:4分担责任 [28] - 通过培训、AI大赛、内部体验活动减少一线员工抵触心理 [29] - 为高管、中层、一线员工分层培训，设立AI战略委员会推动"人人会用AI" [30] 外部输出与未来规划 - 2023年起向外部客户提供Agent解决方案，面临确定性期望与模型不确定性冲突 [31] - 客户数字化基础参差不齐，需先补齐高质量结构化数据等基础条件 [32] - 未来1-2年深化企业内部管理、商业运营、智慧服务领域应用 [33] - 重点开发经营数据分析Agent、客服Agent和跨部门协作Agent，实现端到端任务自动化 [34] 常见实施误区 - 忽视数据和场景基础，将Agent视为万能工具 [35] - 缺乏耐心，期望一上线即100%准确 [36] - 忽视组织与规则建设，将Agent定位为替代而非增强工具 [37]