乐发lv论坛-乐发lv登录

明星代言：有规矩才成方圆******

　　【影视锐评】

　　作者：任孟山（北京市习近平新时代中国特色社会主义思想研究中心特约研究员，中国传媒大学研究生院院长、教授）

　　近日，市场监管总局会同中央网信办、文化和旅游部、广电总局、银保监会、证监会、国家电影局等七部门联合印发《关于进一步规范明星广告代言活动的指导意见》（以下简称《指导意见》），对包括知名艺人、娱乐明星、网络红人等在内的明星代言活动做出明确具体、更具操作性的规定，为坚持正确广告宣传导向、廓清行业风气、营造良好社会环境、维护广告市场秩序、保障消费者合法权益等提供更为有效的保障。其中强化对明星代言的约束部分，引发了业界的普遍关注。

　　以前明星代言一出了问题，往往是公司作为明星的“马甲”，代为受罚。而公司受罚到一定程度，往往会注销了事或者归于静默。明星不再以此公司从事相关活动，转而由新法人注册新公司，继续运营。《指导意见》规定“对于明星虚假、违法代言的，要坚决依法处罚到明星本人，不得以处罚明星经纪公司替代对明星的处罚”。这就将处罚具体到了明星本人。不仅如此，《指导意见》还强调，“对于明星虚假、违法代言情节恶劣的，要加强公开曝光，依法依规列入个人诚信记录，加强失信联合惩戒”。在现代社会，如果被列入失信名单，就意味着个人的社会信用有污点。这不仅会降低明星本人的品牌价值，还会制约明星生活的方方面面。因此，此政一出，大大提高了明星代言的违规成本，势必使明星在产品代言中更多谨慎小心。

　　不过，处罚毕竟发生在出现不良后果之后。若要治本，从源头消除明星代言的不规范行为，则需完善法律法规，从代言行为的初始阶段开始制约监督。正因如此，《指导意见》中关于“明星本人应当充分使用代言商品，保证在使用时间或者数量上足以产生日常消费体验；象征性购买或者使用代言商品不应认定为广告代言人已经依法履行使用商品的义务”的规定，乍看上去出人意料，细想起来很是到位。所谓明星，要么有脍炙人口的作品，要么有深入人心的角色，要么有惹人关注的话题。这些特质容易吸引大众的注意力。厂家之所以愿意找明星代言，正是看重这些明星的注意力资源。很多影视演员在短时间蹿红，各种产品代言立刻找上门来，使注意力资源有了变现的可能。但注意力资源并不稳定，甚至是转瞬即逝的。有的明星生怕过了这个村没有这个店，为了在短时间内将利益最大化，在高额代言费的诱惑下对代言产品来者不拒。他们当中有的人被各种事务缠身，根本没时间了解代言产品。代言时，只得按照事先准备好的广告词照本宣科，利用明星光环和营销话术，吹嘘甚至夸大产品质量功效。有的人则代言并不适合自己或与自己原本的生活消费理念相悖的产品。比如某明星明明为了保持身材只吃健康食品，却在广告里热情推荐大家购买快餐、速食。某明星自己只用价格昂贵的高端护肤品、保养品，却代言中低档产品。还有代言金融产品的明星，自己没有投过一分钱，却在广告中言之凿凿地说收益颇丰。这种明星不珍惜自身形象，只看重眼前利益，演艺事业之路注定走不长远。从这个角度看，《指导意见》从全流程规范明星代言行动，明确其责任，对于捋顺明星代言市场行为规范大有裨益。

　　当然，有规矩才能成方圆，外在约束在很大程度上遏制了代言乱象。但要想根除明星代言的各种问题，还需要明星乃至整个文娱和广告行业转变观念，将社会责任放在经济利益的前面。明星及其经纪团队要懂得广告主花巨资请明星代言，是因为受众将作品或角色的光环转移到商品上来。好的代言可以使明星的个人魅力和作品或角色魅力同频共振，实现双赢。而不好的代言则可能使明星名声受损。所以必须立足本业，不断创作优秀的作品或角色，才能一直拥有“明星范儿”。接代言时必须谨慎，时刻将声誉、信誉、品德放在首要位置，做好产品审查工作，做到合规合法，合乎受众的期待。

　　总而言之，在代言之前，明星要潜心生产创作，提高道德修养，推出更多优秀作品。代言开始时，明星要在真实使用产品、全面了解商家之后做出谨慎决定。在代言过程中，产品一旦有问题，明星本人必须为虚假代言等行为受到相应惩罚，体会到决策不谨慎引发之“痛”。多管齐下，才能还广告市场和文娱领域一片清朗的天空。

　　《光明日报》（ 2023年01月11日 15版）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）