從「詞窮」到「開口皆詩詞，出口即成章」
2025-12-01 17:07 4,265次浏览盤錦8月13日電 (王涵)成群的丹頂鶴掠過遼河口綿延的赤紅鹼蓬草甸，翅影倒映在新生的潮溝水面。這生機盎然的景象，源自遼寧盤錦十年堅定的「退養還溼」治理。通過努力，598戶養殖戶完成圍海養殖向開放式養殖轉型，8.59萬畝養殖灘涂恢復自然生態，潮汐重新雕刻出自然岸線。 丹頂鶴的回歸離不開人工輔助。在盤錦市林業和溼地保護管理局丹頂鶴野化基地，飼養員何玲玲正負責關鍵的野化訓練。「這是野化訓練，每天逐步提升它們的飛行能力。」據她介紹，幼鶴從孵化基地轉運後，需約三年訓練期，通過特定引導，從跟隨奔跑逐步實現短距起飛直至自由盤旋。當它們能長時間適應野外環境，便會被放飛。「看著它們飛走，最高興。」何玲玲說，監測記錄顯示放飛後的丹頂鶴最遠已至吉林。 野化放飛的成功，依託於溼地生態的整體改善。盤錦市林業和溼地保護管理局副局長劉野指出，總面積8萬公頃的遼河口國家級自然保護區，通過嚴格管理、生態修復與科技監測，為丹頂鶴等497種野生動物提供了基礎。「鳥類數量是環境的『晴雨表』。」劉野強調。得益於20世紀90年代開展的人工繁育，並在2016年技術取得突破(採用「種鶴自然孵卵15天+人工孵化」模式，顯著提升幼鶴體質與成活率)，丹頂鶴種群不斷壯大。通過人工繁育增加基數、野化訓練放歸野外，丹頂鶴越冬數量從2010年的僅5隻，躍升至2024年的187隻。 丹頂鶴野化基地飼養員何玲玲給丹頂鶴餵食。王涵 攝 丹頂鶴種群的顯著恢復，源頭是盤錦市「退養還溼」的堅定行動。面對圍海養殖導致的生態破壞，盤錦市自2015年起踐行生態文明理念，啟動大規模修復。其中，「藍色海灣整治行動」作為核心工程，發揮了關鍵作用。 盤錦市自然資源局副局長孫磊介紹，盤錦市委市政府高度重視退養還溼工作。工程始於2015年，當年退養2.3萬畝，並於2018年啟動「藍色海灣整治行動」，核心目標是退出圍海養殖，恢復濱海溼地。 遼河入海口。王涵 攝 最終，藍色海灣項目成功修復濱海溼地5.37萬畝，恢復自然岸線15.77公裡。昔日的養殖池塘被拆除，潮汐自由進出，重塑了健康的濱海溼地生態系統。盤錦市自然資源局數據顯示，通過「退養還溼」工程，累計恢復被佔溼地8.59萬畝，其中包括2015年退養還溼2.3萬畝，藍色海灣5.37萬畝，大凌河項目0.92萬畝。溼地生態功能提升，成為黑嘴鷗、斑海豹以及丹頂鶴等物種的關鍵棲息地。 從圍海養殖的灘涂到生機勃發的溼地，從瀕危物種的零星蹤跡到如今丹頂鶴翱翔、黑嘴鷗歡鳴、斑海豹安家的盛景，盤錦用十年的「退養還溼」實踐，生動詮釋了「綠水青山就是金山銀山」的理念，為沿海地區統籌生態保護與綠色發展提供了寶貴經驗。(完)
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
打开b站看直播
「活动」首次登录送新手大礼包
- 软件大小: 783.89MB
- 最后更新: 2025-12-01 17:07
- 最新版本: v7.15.3.10
- 文件格式: apk
- 应用分类:ios-Android 快猫
- 使用语言: 中文
- : 需要联网
- 系统要求: 2.94以上
客服热线：137-9263-8932
89352
65749
71
2025-12-01 17:07
19578
68
2025-12-01 17:07
73169
34
2025-12-01 17:07
41325
38
2025-12-01 17:07
76421
26
2025-12-01 17:07
16549
75
2025-12-01 17:07
47215
21
2025-12-01 17:07
89645
91
2025-12-01 17:07
48163
75
2025-12-01 17:07
37986
71539
98
79426
14892
43
73194
79
28479
35
24
12497
73