家彩网下载app - 家彩网开户

最高检：2022年前11个月检察环节共追缴农民工欠薪约4.9亿元******

　　春节临近，农民工工资支付逐渐进入高峰期，欠薪问题也易进入高发多发期。刚刚召开的国务院根治拖欠农民工工资工作领导小组全体会议再次强调，依法严厉惩处恶意欠薪行为，确保农民工及时足额拿到工资，加大农民工就业帮扶，对失业农民工、困难农民工及时予以失业补助、困难救助，兜牢基本民生底线。最高人民检察院第一检察厅负责人就2022年检察机关办理拒不支付劳动报酬犯罪案件的相关情况接受了记者的采访。

　　据介绍，在依法打击恶意欠薪过程中，检察机关能动履职，通过刑事检察从严惩处、民事检察支持起诉、行政检察督促履职、公益诉讼检察建议，为农民工工资筑起“四大检察”保护屏障。一方面，以刑事检察依法惩处恶意欠薪犯罪为核心，有效发挥刑罚的惩治和震慑作用，精准打击“以转移财产、逃匿等方法逃避支付劳动者报酬”等恶意欠薪行为。2022年1至11月，检察机关对情节恶劣、后果严重，经刑事立案追缴仍不履行支付义务的犯罪嫌疑人依法提起公诉897件999人。2022年1至11月，检察机关共监督公安机关立案拒不支付劳动报酬犯罪案件126件143人。

　　另一方面，刑事、民事、行政、公益诉讼四大检察融合执法，多措并举、协同发力，全力做好助力讨薪的追赃挽损工作，保障拖欠农民工工资报酬优先、及时、足额支付，让劳动者更“安薪”。2022年1至11月，检察环节依托刑事打击共追缴欠薪约4.9亿元。此外，通过民事支持起诉、行政检察监督专项活动等监督履职，帮助劳动者拿回更多“票子”，最大限度解决农民工最关心的利益问题。如，湖北兰某某拒不支付劳动报酬案，检察机关恪守客观公正立场，依法准确认定兰某某虽客观上未能在指定时间、地点接受调查，但其并未失联，主观上没有逃匿的故意，其行为不构成拒不支付劳动报酬犯罪。但为实质性解决拖欠农民工薪资问题，检察机关刑民联动、协同作战，通过民事支持起诉的方式，促成双方达成调解，最终足额支付了全部农民工工资，化解了社会矛盾，让被欠薪者真正不再“忧薪”。

　　拒不支付劳动报酬案件的涉案主体通常是民营企业负责人，检察机关承担着维护农民工合法权益和护航民营企业健康发展的双重职责。检察机关把依法保护劳动者合法权益与促进民营企业守法经营有机结合，在依法惩治恶意欠薪犯罪，帮助农民工追欠挽损的同时，注重改进办案方式方法，推动涉案企业合规整改，让企业发展更健康。近年来，受国际国内经济形势及疫情等多重因素叠加影响，根治欠薪工作较往年更为复杂、更为严峻，一些企业因自身经营遇到严重困难而导致欠薪情况时有发生。检察机关在办案中注意把握企业因资金周转困难拖欠劳动报酬与恶意欠薪的界限，坚持宽严相济为指导，依法贯彻落实少捕慎诉慎押刑事司法政策，通过适用非羁押强制措施、开展羁押必要性审查、充分适用认罪认罚从宽制度等举措，对自愿认罪悔罪、尽力补救支付劳动报酬的犯罪嫌疑人、被告人依法作出不捕不诉决定，及时变更羁押强制措施；对提起公诉的被告人依法提出轻缓刑的量刑建议，最大程度地减少因涉罪对企业正常生产经营的影响，助力企业纾困发展。如，在江苏潘某某拒不支付劳动报酬案中，检察机关对恶意欠薪后潜逃外地且归案后拒不认罪悔改的潘某某依法批准逮捕，同时动态审查把握潘某某的社会危险性变化等条件，在其积极认罪认罚、全部清偿拖欠工人工资并取得谅解后，依法及时向有关机关提出变更羁押强制措施的建议，潘某某被变更为取保候审，为工人持续就业提供了稳定工作环境。

　　2022年1至11月，全国检察机关共不批准逮捕拒不支付劳动报酬犯罪案件706件760人，不捕率为66.09%，较去年同期上升9.61个百分点，较其他刑事犯罪案件平均不捕率高23.20个百分点；共决定不起诉1202件1444人，不起诉率59.11%，同比上升11.75个百分点，较平均不起诉率高34.22个百分点。

　　作为根治拖欠农民工工资工作领导小组成员单位，检察机关立足自身职能，及时将办案中发现的行政监管不到位、管理漏洞等问题以制发检察建议等方式反馈给行政执法机关和行业主管部门以及相关涉案企业。如安徽省检察机关聚焦容易出现欠薪问题的房地产开发、教育培训以及网约车、外卖送餐、快递等新业态新领域，主动走访、对接人社部门和相关行业主管部门，共同建立涉农民工讨薪14项工作机制。浙江舟山市检察机关联合县劳动局组织对17家欠薪问题相对严重的用工单位集体约谈并制发《刑事合规风险告知书》，经督促提醒共有16家总包建设单位累计向21180名农民工发放工资款4.5亿余元。此次发布的5件典型案例中，有3件制发了检察建议，通过诉源治理推动建立根治欠薪长效机制，形成农民工合法权益保护大格局。

　　(总台央视记者 程琴)

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）