【記者張嘉誠／綜合報導】
2026年夏天，國內知名油品製造商「中聯油脂」生產的大豆沙拉油爆出一級致癌物「苯駢芘」嚴重超標，高達上千公噸問題油脂流入各大品牌與餐飲管道，掀起繼2014年餿水油風暴以來最嚴重的食用油危機。
面對廚房裡的隱形威脅，深耕台灣30年的自然健康品牌「苦行生化科技」提出「安心挑油 5 大檢查點」，由苦行生化科技團隊從工廠源頭、食品業者登錄、精製製程到油脂高溫穩定性，為國人把關食安防線，並以苦行冷壓初榨椰子油「逐批送檢」標準樹立食用好油品質標竿。
告別食安恐慌！苦行生化科技團隊親授「安心挑油 5 大檢查點」與國際雙驗證防線
為了幫助消費者在貨架前精準辨識優質好油，苦行生化科技將30年健康教育經驗濃縮為5個客觀可執行的檢查步驟，並公開苦行廠區的運作示範：
檢查點 1：釐清「工廠製造地」與責任鏈
市面上眾多品牌可能來自同一家代工廠。購買時應翻看背標，確認「製造廠商與地址」是品牌自有工廠還是委託代工。自有工廠責任鏈直接，出了問題沒有推卸空間。以苦行生化科技出品的苦行椰子油為例，產品皆由苦行位於雲林土庫的自有油品分裝廠完成，從源頭到裝瓶皆有明確的責任歸屬與公開透明的流程。
檢查點 2：查驗「食品業者登錄字號」與國際雙驗證
消費者可至衛福部食藥署「非登不可」平台輸入字號，30秒即可確認業者合法登記。同時應進一步檢視業者是否具備 ISO 22000 與 HACCP 等第三方食品安全管理系統驗證。例如苦行生化科技食品業者登錄字號為 F-180072151-00000-7，其苦行雲林土庫廠早在民國97年（2008年）即通過 ISO 22000:2018 與 HACCP 雙重驗證（登錄號碼：UCS-F-08-029/25HAA10660），且每年接受定期稽核，效期維繫至 2029 年，展現苦行對食安透明度的高標準。
檢查點 3：正確認識「精製」與「未精製」
「精製（Refining）」透過脫膠、脫酸、脫色、脫臭提升油脂穩定性與發煙點，本身並非壞事，關鍵在於品管是否嚴謹；「未精製油（如苦行冷壓初榨椰子油）」保留天然營養與風味，但對原料新鮮度要求極高。苦行生化科技團隊建議，家庭應同時準備未精製好油（用於中低溫烹調與涼拌）與精製穩定油（用於日常煎炒），依烹調方式靈活配置。
檢查點 4：掌握「脂肪酸飽和度」與烹調耐熱性
油脂在高溫下的劣變速度由脂肪酸結構決定。台灣家庭習慣高溫煎炒（鍋溫常超過 150°C），選用飽和脂肪酸比例高的油脂（如苦行椰子油），能從源頭降低高溫氧化劣變的風險。
檢查點 5：衡量合理成本價格底線
嚴格的原料篩選、精細工序與品管檢驗均需要真金白銀的成本。若產品價格顯著低於同類市場行情，通常意味著原料等級降低或品管程序簡化。消費者在購買時，可以比對單位容量價格，偏離行情過遠者，就需要多加留心注意，不是貴就一定好，但便宜到不合理，一定有原因。
苦行椰子油致癌物「苯駢芘未檢出」樹立品質標竿
食安風暴再次提醒國人，政府抽驗與業者自主管理雖是基礎，但制度難免存在漏洞。苦行生化科技強調，健全食安體系的最後一道防線，終究建立在消費者自身看得懂標示、查得了來源的知識與強化判斷力。苦行將持續堅持誠信經營與健康教育，透過公開透明的檢驗數據與正確認知，讓苦行優質好油真正成為守護家庭餐桌健康的堅實後盾。詳情請上官網查詢：https://www.kuuxing.com.tw/
【民眾網編輯方笙楠臺北報導】臺北市萬華區西昌街一間休閒館，因無視公權力，數次暗中經營賭場，8月25日上午萬華分局會同臺北市建築管理工程處、台灣電力公司及自來水公司等單位赴現場執行斷水斷電，強制勒令停業。 據了解，該處所表面上是一般休閒館，卻暗地私下經營賭場，因每日出入分子複雜，引起民眾懷疑而屢遭檢舉。該處首次於115年1月13日遭警方查獲賭博，除依法裁罰外，亦報請都市發展局依法勒令停止違規使用予以列管，惟業者無視法規，仍在列管期間私下重操舊業。 萬華分局專案小組獲報後積極佈線蒐證，待掌握確切事證後，115年5月8日再次突擊，當場人贓俱獲，查獲違法鐵證。為展現市政團隊堅決斷絕不法場所的行動力，迅即於8月25日由萬華分局會同相關單位聯手執行斷水斷電，本次聯合執法不僅展現市府團隊打擊犯罪的行動力，更宣示絕不容許違法場所擾亂社會秩序決心。 萬華分局表示，警方將持續落實查緝不法場所，絕不允許任何不肖業者以身試法，以維護社會風氣與治安秩序。未來將持續精進與市府各局處的聯合稽查機制，強化查報能量，戮力為市民打造安全、優質且乾淨的生活環境。
商傳媒｜林昭衡／綜合外電報導 隨著人工智慧技術快速發展，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 等大型語言模型（LLMs）已進化為多模態 AI，不僅能處理文字，還能分析圖像，甚至從文字描述生成圖片。然而，學術界對此一進步也提出擔憂，指出這些模型存在「視覺幻覺」（Visual Hallucinations）問題，即 AI 在圖像處理過程中可能生成看似合理但實際錯誤或荒謬的輸出。 根據知名學術期刊《Communications of the ACM》的報導，諾丁漢大學（University of Nottingham）電腦視覺副教授 Michael Pound 指出，LLMs 經過大量文本與影像資料訓練，由於缺乏對「真理」的明確規範，其輸出往往僅具統計學上的合理性，而非真實。加州柏克萊人工智慧研究實驗室（University of California Berkeley Artificial Intelligence Research lab, BAIR）的博士後研究員 David Chan 也提到，儘管人類也會有類似錯誤，但大眾期望 AI 模型的表現應優於人類。 「視覺幻覺」對自動駕駛車與安全監控影像分析等關鍵應用領域構成嚴重挑戰，可能損害大眾對 AI 的信任度。例如，當背景資訊與圖像內容矛盾時，幻覺現象會更頻繁。Michael Pound 舉例說明，醫學影像分析若受其他病患資料影響，AI 可能因此忽略圖像中實際存在的疾病跡象。他強調，對於盲人輔助科技等使用者無法自行驗證輸出的情境，AI 模型的精確度至關重要，任何錯誤都可能帶來風險。 研究人員正積極探討視覺幻覺的根本成因，認為這與生成式 AI 模型作為仰賴機率的「預測引擎」本質息息相關。目前，除了針對特定任務的影像資料進行模型微調（fine-tuning），並在如自動駕駛車中導入光達（LiDAR）等多餘感測器以彌補錯誤外，現有的後驗證（post-hoc verification）方法也面臨效率低落的問題，因為它需要額外的 AI 模型來檢查輸出，過程緩慢且僅能拒絕錯誤回應，無法直接修正。 為提升驗證效率，新的「REVERSE 框架」被提出，它能在 AI 生成回應的過程中同步檢查幻覺。此框架透過訓練模型將詞語分類為「自信」或「不自信」，並在生成影像描述時給予每個詞彙信心評分，從而實現即時修正。David Chan 形容這是一種「推論技巧」，能讓部署中的系統根據預期的錯誤率來進行應對。未來研究則將聚焦於從源頭防止 AI 模型產生幻覺，並探索視覺推理（visual reasoning）而非純文本推理，透過讓模型分析圖像的幾何與外觀，來提高其精準度、理解基礎及可解釋性。
圖／本報資料庫 商傳媒｜林昭衡／綜合外電報導 隨著生成式人工智慧（AI）工具的普及，許多企業起初不設限制地採購與導入 AI 系統。然而，這波熱潮如今卻讓企業開始正視其背後潛藏的法律風險，特別是在訴訟或調查過程中，AI 系統資料的保存問題日益凸顯。 在昨日舉行的法律科技會議 ILTACON 首日議程中，與會者便將焦點放在 AI 採購後的資料保存挑戰。ILTACON 是一個專為法律專業人士舉辦的年度技術會議，旨在探討法律領域的科技應用與趨勢。會中指出，如同大學生在派對上恣意拿取飲料，許多企業在面對 AI 浪潮時，也曾不加思索地大量引進新工具與系統。 隨著 AI 系統逐漸成為企業日常營運的一部分，相關的法律風險浮出檯面。企業必須開始思考如何妥善儲存 AI 系統產生的資料，以應對未來可能的法律訴訟或內部調查。例如，若有合成媒體（synthetic media）作為證據提交，透過正確儲存後設資料（metadata，即描述資料本身的資訊，如創建時間、來源、格式等），將有助於辨識其真偽。 為因應這項需求，市場上的供應商也正逐步推出相關工具，協助企業蒐集、保存並分析 AI 系統中的資料，例如 Thomson Reuters、律商聯訊（Lexis）等公司都提供此類服務，產品包含 Thomson、CoCounsel、Lexis+、Protégé 等。Reveal、Newcode 和 Relativity 等科技公司亦投入開發相關解決方案。
