你有没有刷到过这样的视频:一个厨师一边切菜一边讲解步骤,镜头切到锅里的食材特写,但解说声音其实是从旁边一个没出镜的人嘴里说出来的。如果让AI来给这段视频写一句描述,它很容易把那句解说词安在厨师头上,因为画面里只有厨师看起来像在说话。
这个错误看起来很小,但它恰恰戳中了当前AI视频理解技术的一个大麻烦。
**当AI模型把文字和声音对应错了人,整段描述的可信度就崩了**
这不是危言耸听。想象你在读一篇新闻报道,记者把采访对象的话错安在另一个人身上,哪怕报道里其他细节都写得很精彩,你也会立刻怀疑整篇稿子的可靠性。视频描述也是一样的道理,一旦角色和台词对不上号,读者(或者说下游用AI生成的其他系统)就没法信任这段文字了。
这篇来自复旦大学和OPPO AI中心的论文,就是奔着解决这个问题去的。他们把这套系统取名叫EVA-Cap。
先说说现在的AI到底卡在哪
要理解EVA-Cap的价值,得先搞清楚它要挑战的对手是什么水平。
近些年,**全模态语言模型**
全模态语言模型(Omni Language Models,简称OLM):一种能同时处理文字、图像、声音等多种信息类型的AI大模型,和只能看图或只能听声音的单一模态模型不同,它能把这些信息融合在一起理解。
成了视频理解领域的新宠,像Qwen2.5-Omni、video-SALMONN-2这些模型,都能一口气吃下视频的画面和声音,生成一段完整的文字描述。但论文作者发现,这些模型有个共同的毛病:它们把"写一段视频描述"这件事,简单地当成了"接着往下写文字"的任务。
这意味着什么?意味着模型压根没有刻意区分视频里到底发生了哪些具体的事件,谁在做什么,谁在说什么,这些事情发生的先后顺序和同步关系是什么。它只是在学习怎么把文字写得通顺、像那么回事。结果就是,生成的句子读起来语法没问题,逻辑上也说得过去,但一对照原视频,细节全对不上。
论文里给出了具体的数据佐证这种"看起来挺好但实际不靠谱"的状况。在video-SALMONN-2测试集上,HumanOmniV2这个模型的幻觉率(也就是瞎编内容的比例)只有12.3%,听起来很低对吧?但它同时有49.2%的内容是漏掉没写的,相当于每写两句话就有一句该说的事没说。这说明不少模型是用"少说话少犯错"的策略在糊弄过关,而不是真正理解了视频。
为什么会这样?论文指出一个根本原因:现有的训练数据和训练方法,都是把一段视频描述当成一个不可拆分的整体来优化的。
打个比方,这就像你让一个学生写一篇关于一场足球比赛的报道,但你给他的评分标准只有"这篇报道整体读起来通顺不通顺",而不去检查他有没有写对每个进球是谁踢的、助攻是谁传的、角球发生在第几分钟。如果不按事件逐条核对,学生完全可以靠华丽的辞藻蒙混过关,哪怕他压根没看清楚比赛细节。现有的视频描述训练方法,很大程度上就是这种"只看整体通顺度"的评分思路,这也是为什么模型会频繁出现张冠李戴的问题。
把视频拆成一个个"事件积木"
EVA-Cap的解法是,不再把一段视频描述当成一整块文字去优化,而是先把它拆解成一个个独立的"事件单元",再分别检查每个单元对不对,最后再看这些单元拼在一起的逻辑是否自洽。
论文里给每个事件定义了一个四元组结构:模态(是视觉事件还是音频事件)、事件类型(比如是动作、镜头运动、环境文字,还是语音转文字、背景音)、涉及角色、具体内容。
有了这套拆解方式,模型要对齐的目标就从模糊的"整体感觉对不对",变成了三个清晰的维度。
第一个维度叫**全局事件完整性**
全局事件完整性(Global Event Completeness):检查一段AI生成的视频描述,是不是把视频里真正发生的所有重要事件都说到了,没有遗漏,这个指标本质上是在算"事件召回率"。
说白了就是查漏补缺,视频里该提到的事,你写了没有。
第二个维度是**事件内部归因**
事件内部归因(Intra-Event Attribution):检查描述里提到的某个动作或台词,是不是安在了正确的人物身上,而不是张冠李戴。
这就是开头说的那个厨师案例要解决的问题。光是提到了某句话还不够,这句话到底是谁说的,必须对上号。
第三个维度叫**事件间同步性**
事件间同步性(Inter-Event Synchronization):检查音频事件和视觉事件在时间上有没有真的对齐,比如一个人说话的时候,画面是不是真的在拍这个人,而不是这句话其实发生在另一个镜头里。
这三个维度合在一起,基本上把一段视频描述的"靠谱程度"从三个角度都卡死了:有没有漏事、有没有认错人、有没有对错时间。这比单纯地判断"这段话读起来像不像人话"要严格得多。
数据从哪来:一条从粗到精的流水线
光有评判标准还不够,训练模型需要大量高质量的数据,而这恰恰是这个领域最缺的东西。
论文团队设计了一条三阶段的自动标注流水线。
第一步叫初始化,先用一个叫AVoCaDO的开源视频描述模型,给原始视频生成一版粗略的描述草稿,把明显重复或者长度异常的样本筛掉。
第二步是精炼,把原始视频和这份草稿一起丢给Gemini-2.5-Pro,让它根据视频真实内容,去修正时间同步关系和角色归属,同时尽量保留原来的语言风格。这一步相当于找了个更仔细的校对员,重新核实了一遍事实。
第三步最关键,叫事件级质量控制。团队用Gemini-2.5-Pro从原始视频里直接提取带时间戳的音视频事件元组,然后把这些事件元组连同精炼后的描述一起交给GPT-4.1,逐条核实每个事件有没有被描述文本命中,命中的判定标准是音频事件和视觉事件都要被提到,而且时间同步关系也要对。最后,命中率低于80%的样本会被直接丢弃。
**这套流水线最终从10万个视频里筛出了6.3万个高质量的音视频描述对,取名叫EVA-Data**
如果不做这最后一道事件级核验会怎样?很可能数据集里混进大量看起来写得挺漂亮、实际上细节全错的样本,模型学了这些数据,只会把错误的习惯学得更牢固。这就像招聘时只看简历写得好不好看,不去核实工作经历的真实性,招进来的人迟早要出问题。
从统计数据看,这6.3万条数据平均每个视频时长73.7秒,对应的描述平均有504.3个单词,覆盖教育、新闻、体育、科技等9大类内容,而且音频事件和视觉事件的数量分布很均衡,没有明显偏向某一种模态,这保证了训练出来的模型不会养成"重画面轻声音"或者反过来的坏习惯。
两阶段训练:先学会说话,再学会对齐
有了数据,接下来是怎么训练模型。EVA-Cap的底座是Qwen2.5-Omni,训练过程分两步走。
第一步是**监督微调**
监督微调(Supervised Fine-Tuning,简称SFT):用人工标注好的高质量数据,直接教模型照着样本学,让它先具备生成详细音视频描述的基本能力。
这一步就是打基础,让模型先学会把视频里看到的、听到的东西,用一段结构完整的文字表达出来。
第二步是**群体相对策略优化**
群体相对策略优化(Group Relative Policy Optimization,简称GRPO):一种强化学习方法,让模型针对同一个输入生成多个候选答案,再根据打分高低调整生成策略,让得分更高的那种表达方式被进一步强化。
这一步是真正体现EVA-Cap巧思的地方。模型会针对一个视频生成8个不同版本的描述,然后用前面提到的三个事件级奖励(完整性、归因、同步性)给每个版本打分,分数高的会被模型学习和强化,分数低的会被压低生成概率。
这里有个细节设计得很讲究:**EVA-Cap没有一股脑把三个奖励同时扔给模型,而是分两轮逐步引入**
第一轮只用全局完整性和事件同步性两个奖励,第二轮才把角色归因奖励也加进来。论文的解释是,如果一开始就同时给三个目标,模型会在"事件之间的关系"和"单个事件内部的准确性"之间来回拉扯,优化方向会打架。
这让人联想到教小孩学骑自行车的过程。你不会一上来就同时要求孩子保持平衡、控制方向、还要注意刹车时机,这样孩子大概率会手忙脚乱摔倒。更合理的做法是先让他学会不摔倒(对应全局完整性和同步性这种粗粒度目标),等基本能骑稳了,再去纠正细节姿势(对应角色归因这种精细目标)。消融实验也验证了这个直觉,如果在第一轮就把归因奖励加进去,V2A(从画面找对应声音)的准确率反而从53.8%掉到47.9%,说明操之过急确实会让训练效果变差。
效果到底怎么样:数据说话
论文在六个基准测试上做了全面评估,这里挑几个最能说明问题的数字。
在video-SALMONN-2测试集上,EVA-Cap的总错误率是34.6%,比同样规模的DiaDem(36.5%)和AVoCaDO(37.3%)都要低,漏报率更是只有17.6%,是所有参评模型里最低的。要知道,有些模型为了压低幻觉率会选择少说话,但EVA-Cap是在漏报率最低的同时,总错误率也保持领先,这说明它不是靠"藏拙"取胜的。
在需要先生成描述、再靠这段描述去回答视频相关问题的QA级联测试里,EVA-Cap在WorldSense基准上拿到29.0分,比第二名AVoCaDO的25.7分高出3.3个百分点,在Daily-Omni上也以56.1分领先。
最能体现这篇论文核心贡献的,是在专门考察事件级对齐能力的ChronusAV和AV-SpeakerBench上的表现。EVA-Cap在视觉到音频推理(V2A)上准确率达到55.4%,音频到视觉定位(A2V)达到56.2%,说话人归属准确率达到40.1%,相比DiaDem(45.9%、47.7%、32.7%)都有明显提升,尤其是说话人归属这一项,提升幅度接近8个百分点。
论文里还放了一个很直观的案例对比。有个视频里,一只动画小狗在人行道上对一个男孩说"我知道,你是因为可怜我才救了我"。AVoCaDO错误地把这句话的发生地点对应到了人行横道中间的那个镜头,还把这句台词安在了男孩头上。而EVA-Cap准确识别出这句话发生在人行道边的场景,并且正确地认出是小狗在说话,男孩在回应。这个案例说明,在存在多次镜头切换、多个角色交替出场的复杂场景里,EVA-Cap依然能保持精确的事件对齐能力,这正是前面提到的归因奖励在起作用。
哪个奖励贡献最大:拆开来看
消融实验把三个奖励拆开,单独和组合着测试效果,结果很能说明问题。
| 训练设置 | V2A准确率 | A2V准确率 | 说话人归属准确率 | Daily-Omni准确率 |
| 基线模型 | 8.4% | 11.9% | 3.1% | 12.4% |
| 仅SFT | 44.8% | 46.1% | 31.8% | 50.1% |
| SFT+完整性奖励 | 53.3% | 52.9% | 33.9% | 53.8% |
| SFT+完整性+同步奖励 | 53.8% | 55.0% | 37.0% | 55.0% |
| **SFT+全部三个奖励(两阶段)** | **55.4%** | **56.2%** | **40.1%** | **56.1%** |
这张表格里最震撼的对比其实是第一行和第二行,基线模型没经过EVA-Data训练时,V2A准确率只有8.4%,说话人归属更是只有3.1%,几乎接近瞎猜。而光是用EVA-Data做了监督微调(第二行),这两个数字就直接跳到44.8%和31.8%。这说明高质量的事件级数据本身就能带来巨大提升,这也验证了作者在论文一开始强调的判断:数据质量的缺失才是问题的根子。
之后每加一个奖励,各项指标都在稳步爬升,而且三个奖励加在一起的效果,明显好过只用其中一两个,说明这三个维度确实分别捕捉到了不同的信息,不是互相重复的。
论文还做了一个很严谨的补充实验,用来区分到底是数据的功劳还是奖励设计的功劳。他们把EVA-Data换成另一个没经过事件级质量控制的数据集ASID-1M,同等规模下训练,A2V准确率从35.6%掉到30.7%,证明数据构建流程本身确实有价值。同时他们又把事件级奖励框架搬到另一个完全独立的公开模型ASID-Captioner上测试,发现同样能带来一致的提升(A2V从30.4%提升到39.0%),这说明奖励设计思路本身具备可迁移性,不是只在自家数据集上才灵的"花架子"。
它还不完美的地方
论文也坦诚列出了EVA-Cap目前的失败案例。
一种情况是视频镜头切换特别快的时候,模型还是会出现画面描述遗漏,或者音画对不上的问题。另一种情况是多角色同时在场、而且有人是画外音在说话时,模型容易把台词的归属搞错。作者认为这背后的根本原因是,模型在复杂动态场景里对具体"实例"的理解能力还不够强,没法在空间和时间上把音频线索和视觉线索牢牢绑定到某个具体的人或物身上。
团队表示未来打算引入**接地式音视频描述**
接地式音视频描述(Grounded Audiovisual Captioning):一种更进一步的技术思路,要求模型不仅生成文字描述,还要把每个音频和视觉线索精确地指向视频里某个具体的、有空间位置和时间范围的实例对象。
这个方向,来进一步提升描述的可信度。
此外,论文也诚实地提到了数据构建过程本身的局限。整条标注流水线虽然做到了自动化和可扩展,但本质上还是依赖Gemini、GPT-4.1这类商业闭源模型来生成和核验数据,这意味着标注结果可能带有这些"教师模型"本身的偏见,经过自动核验之后也难免残留一些错误。团队透露未来想往多模型交叉验证的方向改进,让不同模型互相挑错、递归修正,减少对单一模型的依赖。
写在后面
读完这篇论文,最触动我的不是EVA-Cap最终跑出来的那几个百分点提升,而是它处理"精调攻击顺序"这件事的方式。
很多强化学习相关的论文在设计多目标奖励时,往往默认把所有目标同时塞进去、调好权重就完事了。EVA-Cap的消融实验恰恰证明了这个默认做法可能是错的:先同步后归因的两阶段策略,比一次性全给的效果好得多,而且差距不小(V2A准确率差了将近6个百分点)。这提醒我,模型学习的顺序本身也是一种需要精心设计的资源,不是加法题,是有依赖关系的因果链条。
还有一个细节值得单独说一说。论文里提到HumanOmniV2用12.3%的超低幻觉率换来了49.2%的高漏报率,这组数字放在一起特别有意思,它揭示了一个容易被忽视的评测陷阱:如果一个评测体系只盯着"有没有说错",而不同时盯着"有没有少说",模型就有动力学会沉默是金。这种"藏拙式优化"在很多AI评测场景里恐怕都普遍存在,值得警惕。
视频里那只没说出口的画外音,那个被镜头切走却仍在继续说话的人,那些稍纵即逝的同步瞬间,AI到底能不能真正"看懂"这些细微的错位,恐怕还有很长的路要走。
Q&A
Q1:EVA-Cap是什么?
A:EVA-Cap是复旦大学和OPPO AI中心联合提出的音视频视频描述模型,它把生成视频描述的过程拆解成事件级的对齐任务,通过事件完整性、角色归因、音视频同步三个维度来优化,解决了传统方法容易张冠李戴、漏报事件的问题。
Q2:EVA-Data数据集是怎么构建的?
A:EVA-Data通过三阶段自动标注流水线构建,先用AVoCaDO生成初始描述,再用Gemini-2.5-Pro进行内容精炼和时间对齐,最后用GPT-4.1对照原始视频事件逐条核验命中率,筛掉命中率低于80%的样本,最终从10万视频中得到6.3万条高质量数据。
Q3:EVA-Cap相比其他音视频描述模型效果提升多少?
A:在event-centric评测ChronusAV上平均提升约9%,在WorldSense基准上提升3.3%,说话人归属准确率达到40.1%,比DiaDem等模型高出近8个百分点,同时在video-SALMONN-2测试集上总错误率降至34.6%,优于同类开源模型。
凡注有"三板富 | 专注于新三板的第一垂直服务平台"或电头为"三板富 | 专注于新三板的第一垂直服务平台"的稿件,均为三板富 | 专注于新三板的第一垂直服务平台独家版权所有,未经许可不得转载或镜像;授权转载必须注明来源为"三板富 | 专注于新三板的第一垂直服务平台",并保留"三板富 | 专注于新三板的第一垂直服务平台"的电头。
- 波帅:我们需要为球员提供便利,让他们在场上展现所有天赋
- EVA-Cap:当AI给视频配音配字幕时,它到底有没有看懂谁在说话
- 章建平,退出601208前10大股东
- 萨拉维亚:永远感谢穆帅;C罗是领袖,梅西的足球思维与众不同
- 国银金租(01606.HK)拟22.71亿元购买信息技术计算机设备
- 波帅:我们会带着争胜信念前往安菲尔德,展现出曼联的风采
- 人行道宽五六米,公交候车亭为何"难产"?
- 生意社皮棉11月19日均差为80.21元/吨 由正向扩大转为缩小
- 洲明科技:实控人对持股计划优先级份额本金和预期收益承担差额补足义务
- 【直播预告】拼多多2026年第三季度业绩电话会
- 14日面试13日出结果?长安大学辅导员招聘被考生质疑招聘的公平性;校方:名单的确是面试结束之后产生的,系工作人员操作失误导致产生误会
- 中顺洁柔:拟变更回购股份用途为注销并减少注册资本
- 兔宝宝穿越地产周期 板材龙头靠渠道变革重估价值
- PriceSeek重点提醒:2026年10月钢铁及铁矿石产量数据发布
- 川发龙蟒:有序推进10万吨/年磷酸二氢锂项目
- 帝国科技集团(00776.HK)盈警:预计中期亏损净额约3010万港元
- 如何看待当前消费市场表现?商务部提到三个特点
- ST铱迅(832623):拟向罗力科技有限公司转让公司名下固定资产
- 顺丰同城成立智联科技公司 含智能机器人研发业务
- 创业板新规是什么?创业板新规交易规则有哪些?
- IPO重启利好股市吗?ipo重启对股市的影响是什么?
- CBA杯赛爆大冷门,广东队成为笑话,辽宁套路深,北京冠军稳了
- 泰康人寿有哪些产品?泰康人寿产品险种包含什么?
- 平安保单怎么查询?中国平安保险公司保单查询方法是什么?
- 手机怎么连电视?手机投屏到电视怎么设置?
- 卡莱尔谈被驱逐:我觉得西亚卡姆连续三、四次遭到了对手的撞击
- Anthropic还未上市,20只杠杆ETF已经“抢跑”
- 手机卡怎么充值Q币?话费充Q币有哪些方式?
- 突然拉升!601133,临近午盘直线涨停!
- 2026年11月19日鲁南蔬菜产业有限公司价格行情
- 40光年是多少年?40光年到底有多远?
- 等边三角形的特征有哪些?等边三角形面积怎么算?
- 氯苯是什么?氯苯主要有什么用途?
- Win8产品密钥怎么激活?Win8密钥在哪里查看?
- 中国移动网上缴费怎么操作?移动话费怎么在线交?
- 标牌材料有哪些?标牌用什么材质更耐用?
- 针织衫开衫怎么搭配?针织开衫怎么洗不缩水?
- 小摩:英伟达季绩反映AI需求仍强,供应链未见广泛订单削减
- 进球数只差1个,排名天差地别!曼联深陷降级区,阿森纳成为领头羊
- 翡翠与玉的区别有哪些?翡翠和玉哪个更值钱?
- 港股异动丨纸业股普跌,玖龙跌3.6%、阳光跌2.3%,行业处于盈利磨底阶段
- 电鳗财经|深水海纳实控人持股再上拍卖台 前三季亏损超8000万
- 港股异动 | 微博-SW(09898)再跌超5% 三季度经调整纯利低于市场预期 公司广告主预算仍受消费疲弱压力
- 生意社:11月19日国产PMMA价格持稳运行
- 四川焙诺森食品有限公司成立 注册资本11.2345万人民币
- 资金风向标 | 11月18日两融余额减少87.75亿元 通信行业获融资净买入居首
- A股开盘|沪指跌0.13% 光通信板块调整
- 首次运投成功!国产“空中重卡”来了
- 3股获买入评级 最新:陕西能源
- 改写认知!中国已知最晚直立人化石,在广西崇左被发现
- 前队友爆料!双探花从第一天起就关系紧张:布朗关注度难比塔图姆
- 11月18日机构席净买入 买入22股
- 瑞银:将Snowflake目标价下调至450美元
- 中润光学11月18日回应光通信话题:依托精密光学技术开发无源光学元组件并推进产能建设
- 34投13中却赢球:东契奇末节只出手3次,湖人13胜2负
- 胜科纳米龙虎榜:营业部净买入4212.48万元
- 保定盛耀玩具有限公司成立 注册资本5万人民币
- 25分里21分来自下半场,活塞终结马刺12连胜
- 轰47分+10记三分!格莱姆斯谈比肩科比:他是我从小到大的偶像!
- 两天三家上市房企股价跌破1元,拉响退市警报
- 知名游资席位“小鳄鱼”抢筹过亿元,算力租赁概念股大涨18%
- 盛达资源(000603.SZ):根据资源量和实际生产能力测算,鸿林矿业菜园子铜金矿剩余服务年限在10年以上
- 高油价推动英国通胀率创一年来新高
- 明天魔咒日继续反弹收阳!
- 昊海生物科技(06826)11月18日斥资43.91万港元回购2.8万股
- 哈空调(600202)龙虎榜数据(11-18)
- 生意社碳酸锂-电池级11月18日均差为-1200.00元/吨 由负向缩小重新扩大
- 赛富时内部备忘录:员工AI使用开销设置上限
- 海亮股份:董事长提议以3亿元—5亿元回购股份
- 11月18日生意社尿素市场基差为42.5元/吨
- 11月18日华孚时尚涨停:东数西算/算力,云计算数据中心,供销社概念热股
- 利欧股份(002131.SZ)实控人提议5000万元至1亿元回购公司股份
- 天邑股份:截止2026年11月10日,公司股东人数为27,228人
- 人物志:西多夫再遇博塔弗戈,昔日终点成保级考场
- 第一医药:林华艳辞去副总经理职位
- 千问办公电商版向所有商家开放 推出“品牌知识库”
- 媒体人:中国女足或迎归化球员,为一西班牙人领养的中国女孩
- 轰40+11+8三分,垫底鱼腩养出超级奇兵!末节独揽25分终结12连败
- 有空出去走走!郑州11月适合city walk的路线推荐
- 大行评级丨花旗:Amer第三季表现理想,为安踏户外品牌带来正面启示
- “我只是毕业了,可我还是你们的孩子呀!”男大学生的深夜倾诉,听得我直心疼
- 王俊杰犯满数据回落!三分+罚球命中率太铁,现阶段只是辅助锋线
- 国泰海通保荐禾元生物IPO项目质量评级B-级 实际募资近26亿元 上市当年亏损扩大
- 华夏文化科技(01566.HK)早盘涨近7%
- 宁德时代旗下福宁新能源公司增资至50亿元,增幅约67%
- 临翔区玉恩珠宝店(个体工商户)成立 注册资本1万人民币
- 新鲁尼来了!曼联锁定世界级天才!波切蒂诺收获未来大杀器
- 锁定伯纳乌旧将!穆里尼奥钦点世界级新星!皇马酝酿重磅回购
- 快讯:现货黄金失守3800美元/盎司
- 神舟二十四号发射在即,发射场准备进展如何
- 飞利信:11月17日融资买入464.54万元,融资融券余额2.33亿元
- 中国银河证券保荐超研股份IPO项目质量评级B级 申报周期较长
- 赏秋“小长假”撬动亲子游大需求
- PriceSeek提醒:美国航班取消量激增 利空原油价格
- 国海证券发布研报称,维持中国宏桥(01378.HK)"买入"评级
- 景德镇景昌陶艺有限公司成立 注册资本1万人民币
- 资讯:江航装备:融资净偿还175万元,融资余额2.61亿元
- 当前热门:C罗接班人沦为笑话!首发2场仅1射门0射正 59分钟被换:陷7场球荒
- 快讯:苹果称内部更新后出现服务中断,表示正努力恢复系统上线
- 老同志累坏了,迪马济奥:阿莱格里决定给德布劳内放两天假
公司
焦点
精彩推送
- 新动态:哈钦森:相信米兰有实力拿联赛冠军;希望未来能留在米兰
- 图片报:孔帕尼恢复训练,有望周五对阵科隆重返教练席 讯息
- 库里谈最后一份合同:我不怕说出来,也许我会让自己意外
- 河北鹏瑾橡塑科技有限公司成立 注册资本300万人民币|热资讯
- 高分红交运股迎配置窗口 红利防御属性凸显
- 国米放不放恩里克走,为何要看他对弱旅能踢上球吗?
- 晚间利好 新一波增持回购 最高达7亿元!
- 观热点:长鑫科技:4F架构将为公司未来市场拓展和营收作出贡献
- 锦欣生殖(01951)11月17日斥资约465.46万港元回购204.6万股
- 视讯!大摩上调惠普目标价至21美元
- 快资讯丨恩捷股份:子公司拟与专业投资机构共同设立股权投资基金
- 今日播报!中国电研:11月12日召开业绩说明会,投资者参与
- 【调研快报】大族数控接待广发证券等30家机构调研
- 3亿欧天价劝退!皇马正式放弃追逐拜仁球星奥利塞 观焦点
- 婚礼现场:新娘全程笑得格外纯粹,新郎表情无奈对新娘无丝毫爱意|最资讯
- 龙虎榜丨机构今日买入这15股,卖出景旺电子12.57亿元
- 新资讯:在广东英德的山洞里,蹲着一位1.35万年的年轻姑娘,正在改写岭南历史
- 高德红外完整装备系统批量交付 驱动业绩高增与估值双升 天天资讯
- 马斯克确认将前往中国 快播
- 11月17日龙虎榜净卖出额前10个股-观天下
- 聚焦:生意社:11月17日山东地区顺酐市场行情整理
- 港股异动 | 周大福创建(00659)尾盘涨近3% 机构料公司未来12个月内宣派特别股息可能性较高 精选
- 智汇矿业(02546)11月17日斥资310.29万港元回购18万股
- [快讯]居然智家发布解除质押公告一股东累计质押201741万股_视焦点讯
- 巴媒:南球杯决赛米内罗竞技再遇博卡,5年前两队曾爆发冲突
- 魔术队贝恩在对阵凯尔特人的巨大爆冷中追平了球队传奇
- 野村证券:预计韩国收益率曲线将在2027年初趋陡
- TA:B费是波切蒂诺的难题,但后者绝对是老大
- 热门:江西南昌市图书馆新馆项目有序推进
- 港股异动 | 光伏股继续走低 新需求跟进不足 光伏产业链价格下行压力渐显
- 瑞穗下调Cerebras和应用材料目标价 每日热讯
- 秋日骑行穿搭|浅色系骑行服,温柔又利落的户外运动风 今日报
- 焦点观察:机器人在复兴岛考试 我竟成了NPC
- 从开发到盘活:存量时代的房地产新逻辑 | 蔚言大义-焦点短讯
- 云县辉宏钢材经营部(个体工商户)成立 注册资本1万人民币
- 399元羽绒服爆火!唯品会冬季运动消费升温
- 宇盛鸿有色金属(红河)有限公司成立 注册资本1000万人民币
- 字母哥20分13板热火大胜火箭豪取五连胜,火箭基本一轮游
- 今日讯!绿凯结束6连胜!塔图姆23中9末节仅4分 魔术7人上双+三人20+太猛
- 百事通!中山市聚能卷科技有限公司成立 注册资本200万人民币
- 每日焦点!湖人消息:东契奇憾失周最佳,凯斯勒体现价值,战黄蜂出场更新
- 动态:苏农银行稳息差控风险 资产质量优异反哺利润
- 小鹏集团-W盘中涨超5% 第三季度营收及交付量均创新高_今日热搜
- 当前看点!一家四口乘飞机,老人在登机口抛出4枚硬币“祈福保平安”,致航班延误58分钟;机场公安:涉事旅客被行拘5日,在机场抛硬币非常危险
- 乳糖不耐受是“缺陷” 还是另一种健康剧本?|焦点信息
- 楼市新政加速格局分化 优质房企胜率赔率兼具 实时
- 今日热文:11月17日生意社玉米基准价为2194.29元/吨
- 秋假2.0升级为“小黄金周”,文旅市场持续火热
- 宗申动力11月16日回应低空经济话题:航发产品涵盖无人机及轻型通航飞机市场
- 光大银行:融资净偿还2483.22万元,融资余额12.93亿元|即时焦点
- 新干县启宸箱包有限公司成立 注册资本10万人民币-今日热门
- 环球体育:科林蒂安签约拍卖平台,球衣拍卖七成收入归俱乐部
- 美股异动 | 贝壳(BEKE.US)涨逾5% Q3净利润同比增加193.9% 焦点热门
- 浦东创投发行10亿元科技创新公司债券
- 今日快讯:邢台诺冠机械科技有限公司成立 注册资本5万人民币
- 正式上任,斯托是建队型主帅 泰山备战提速 争取留下于金永+高准翼-快消息
- 不怵毕包,马卡:西班牙人近4次客战圣马梅斯赢2场-报资讯
- 纽约大都会艺术博物馆珠宝藏品将亮相上海博物馆东馆
- 实时焦点:禾赛-W(02525)授出合共349万份奖励股份
- 思考乐教育(01769.HK):受托人根据股份奖励计划购买9.1万股
- 礼邦医药-B(09637.HK)11月16日耗资169.81万港元回购8.42万股_报道
- 花旗:上调泉峰控股(02285)目标价至45港元 重申“买入”评级-观焦点
- 当前资讯!离谱!46万买一只“肉眼看不见”的LV小包,打喷嚏都能弄丢!
- 5个可能首次进最佳阵容的年轻人!弗拉格领衔,里夫斯数据够硬
- 每日焦点!11月16日港股公用事业行业沽空数据盘点,华润电力、中广核电力、北控水务集团沽空金额位居行业前三
- 飞速创新(03355.HK)11月16日耗资131.1万港元回购4.73万股
- 每日报道:旗天科技:为全资子公司小旗欧飞提供2500万元担保
- 涉17家重点车企 供应商账款支付情况调研评估将进行|精选
- 国芳集团:截至2026年11月10日,公司股东数为75958人_焦点热议
- 【调研快报】新洋丰接待嘉实基金等26家机构调研
- 汇通达网络(09878.HK)11月16日耗资19.23万港元回购3万股|每日消息
- 赖斯续约进最后细节!有望追平萨卡成阿森纳顶薪-简讯
- 五一视界(06651.HK):启动深圳证券交易所A股上市计划 每日精选
- 欧洲主要股指开盘多数上涨_视点
- 11月16日北鼎股份涨停:小家电,家电,宠物经济概念热股|焦点速递
- 每日焦点!私募情绪稳步修复 市场操作仍偏审慎
- 世纪恒通董事杨兴荣减持15.25万股,减持金额595.06万元
- 香江控股:将于2026年11月17日召开2026年第二次临时股东大会
- 腾讯发布Hy4 flash:输入0.5元/百万Token,计划开源-每日看点
- 诺基亚等五家欧洲科技企业组建AI超级工厂联盟,拟在北欧和波罗的海地区建设跨国AI基础设施_当前焦点
- 讯息:腾讯Hy4 flash发布,速度大幅提升,单任务成本仅为Hy4二十分之一
- 怎样看待当前消费形势?人民日报发文
- 焦炭价格再度下调:焦化企业盈利承压 上下游公司分化明显
- 医保双目录落地,中药支付端扩容!东阿阿胶涨超2%,中药ETF汇添富(560080)指数逆市飘红|观察
- 滁州队主场4∶1大胜池州队
- 平均每47分钟造1球,凯恩本赛季欧国联6场直接参与10球 焦点快看
- 港股异动 | 中国重汽(03808)早盘涨超4% 中国重汽海外订单能见度已延至明年首季
- 每日视点!原料进口大豆供应压力仍在 豆粕行情上涨承压
- 文化中国行|渭河之畔那吼不尽的华阴老腔|实时
- 手游股多股走高 网易(09999)涨2.21% 机构指国产3A进入商业化验证阶段
- 人形机器人概念局部回暖 肇民科技、安培龙双双涨超10%-当前热点
- 恒生科技指数涨幅扩大至1% 快播报
- 新东方-S(09901)盘中上涨3.57% 机构看好教育及东方甄选业务增长带来中期利润释放空间
- 快讯:人形机器人板块走低 永臻股份跌停
- 中标 | 黑龙江齐齐哈尔400MW风电EPC中标候选公示!
- 实控人被留置!昔日大牛股,20cm一字跌停!
- 今日视点:农产品 | 生猪宰量环比增加 现货报价低位上涨
- 随着韦克林8-10,斯诺克冠中冠赛冠军浮出水面:世界第8强势夺冠
- 德拉富恩特:没用佩德里首发是因为我们有法比安,他也不差 微资讯
- 每日观察!“祛魅”之后年轻人把仪式感还给自己