点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
这句话，特朗普重复了400多次！******
中新网2月2日电“同样的答案”“同样的答案”“同样的答案”……
近日，哥伦比亚广播公司(CBS)曝光了一则美国前总统特朗普2022年8月就其财务欺诈调查接受检方取证的视频。令人意外却又似乎在意料之中，特朗普作出了上述回答。
据统计，为了拒绝回答有关提问，他援引美国宪法第五修正案的规定，竟然多达400余次。
图片来源：哥伦比亚广播公司(CBS)报道截图“不用就是傻瓜”
2022年8月10日，特朗普现身位于曼哈顿的纽约州总检察长办公室，在宣誓后接受了大约4个小时的取证。CBS公布的这段视频时长大约有37分钟，包含部分证词记录。
在会议室里，特朗普身着深蓝色西装、红色领带，佩戴美国国旗徽章，坐在摄像机前。他首先“礼貌”回答了纽约州总检察长詹乐霞提出的开场问题。
当詹乐霞问他是否熟悉作证规则时，他回答说“是的”。
图为特朗普作证视频截图。图片来源：哥伦比亚广播公司(CBS)视频截图CBS称，初步提问结束后，特朗普有机会宣读一份准备好的声明。他以一句外界颇为熟悉的话语开场：“这是我们国家历史上最大的政治迫害。”
他还称詹乐霞是“一个叛逆且失控的检察官”，并指责其办公室调查他的财务行为调查带有政治动机。
特朗普在视频中还说，“整件事非常不公平。任何在我这样处境的、不援引第五修正案的人都是傻瓜，绝对的傻瓜。”根据美国宪法第五修正案的规定，任何人不得被迫自证其罪。
他补充说，根据律师的建议，“依照美国宪法赋予每个公民的权利和特权，我恭敬地拒绝回答提出的问题。”
“这将是我对任何进一步问题的回答。”
“同样的答案”说了400多次……
随着质询正式开始，特朗普不停援引美国宪法第五修正案进行回答，并持续大约4个小时。
美国司法部长办公室高级执法律师凯文•华莱士透露称，这次作证“很冗长”，而且“显然，我们不同意其中的很多描述”。
华莱士甚至不得不告诉特朗普，他可以说“同样的答案(Same answer)”，以“加快速度”。
根据纽约总检察长提交给法庭的文件，在完整的质询过程中，特朗普不仅照着这样做，且次数多达400余次。
在其中一个提问环节，华莱士询问特朗普自2011年以来每年提交的财务状况报表状况。
“文件所载的估值反映了虚假和误导性的估值报表。对吗？”华莱士问。
“同样的答案(Same answer)。”特朗普回答。
华莱士又问，“知道”这些文件“包含虚假和误导性陈述”吗？
“同样的答案(Same answer)。”特朗普回答。
美媒注意到，在回答问题的过程中，特朗普双臂交叉、身体前倾，似乎还研究起了华莱士交给他的财务文件。
当华莱士抛出有关特朗普集团前首席财务官魏塞尔贝格和现任公司主计长杰弗里•麦康尼的问题时，得到的答案仍一样。
“至少从2005年至今，你们与魏塞尔贝格和麦康尼一直有项持续的协议，他们将在财务状况报表中包括基于虚假和误导性假设的估值，作为夸大报告价值的手段。对吗？”华莱士问道。
特朗普再次回答，“同样的答案(Same answer)。”
据CBS报道，作证结束后，特朗普发表了一份公开声明，称他行使了宪法第五修正案的权利，拒绝作答。特朗普的一名律师则拒绝对公布的这段视频置评。
图为特朗普作证视频截图。图片来源：哥伦比亚广播公司(CBS)视频截图“无止境的政治迫害”
多年来，纽约曼哈顿地方检察官办公室对特朗普及其家族房地产业务展开了一系列调查。
民主党人詹乐霞要求法院禁止特朗普及其三个成年子女经营任何一家总部位于纽约的公司，并寻求对他们处以至少2.5亿美元的罚款。审判日期在10月2日。
此前在1月，特朗普集团则已因“实施一项长达15年的税务诈骗”被判处罚金160万美元。此外，特朗普集团前首席财务官魏塞尔贝格还被判刑五个月，罪名是参与税务欺诈计划。
特朗普集团否认有任何过错，并表示将提起上诉。
特朗普集团在声明中称，“这些出于政治动机的检察官将不惜一切代价抓捕特朗普，并延续从他就任总统之日开始的无止境的政治迫害。”
目前，特朗普还被牵扯进多项刑事和民事调查，涉及干预2020年总统选举计票、机密文件处理不当等。特朗普频繁抨击这些调查受政治驱使。
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） [责编：天天中] 阅读剩余全文（）  视觉焦点
彩云网地图 |
)