夜遊百裡柳江 霓虹噴泉兩相宜
2025-12-10 08:20 1,263次浏览雲南玉溪8月5日電 (陳靜)5日，2025滇港鐵人三項交流訓練營開營暨合作備忘錄籤署儀式在雲南省玉溪市舉行，60餘名滇港青年運動員將共同參與為期兩周的高原訓練與文化交流。兩地還將攜手打造香港鐵人三項運動雲南高原訓練基地，持續開展賽事合作和青年交流。 2025滇港鐵人三項交流訓練營開營暨合作備忘錄籤署儀式5日在雲南省玉溪市舉行。陳靜 攝 此次交流訓練營由中國香港三項鐵人總會(下稱香港三鐵總會)與雲南省玉溪市教育體育局聯合主辦，由中共玉溪市委統戰部和香港特區政府康樂及文化事務署分別擔任支持單位和資助單位。交流營期間，兩地運動員將在玉溪高原體育運動中心開展多場聯合訓練和友誼活動，感受不同地域體育文化魅力。 根據當天籤署的合作備忘錄，香港三鐵總會將與玉溪市教育體育局、華體集團等單位掛牌合作，以玉溪高原體育運動中心為依託，共同打造香港鐵人三項運動高原訓練基地，並計劃每年組織運動員赴玉溪進行高原訓練和青年交流。 同時，玉溪市同意授權香港三鐵總會成為內地相關賽事的特別合作夥伴。雙方將聯合推動鐵人三項新型IP賽事的舉辦，邀請對方運動員赴當地參與賽事，把賽事打造為兩地運動員、教練、技術官員以及賽事組織者交流互鑑的平臺。 5日，玉溪市教育體育局局長張燕華(右)與香港三鐵總會秘書長、雲南省政協委員陳嶽鵬(左)代表雙方籤署合作備忘錄。陳靜 攝 開營儀式上，雲南省委統戰部副部長趙修春表示，鐵人三項不僅僅是一項運動，更是自我超越、頑強拼搏精神的體現。相信這一運動將有力推動滇港兩地特別是青少年體育文化交流互動、增進香港青少年的國情認知，為深化滇港全方位交流合作以及雲南經濟社會發展注入新的動力、增添新的能量，助推雲南高質量發展。 中國香港三項鐵人總會會長周俏男表示，今年11月第十五屆全國運動會將首次由粵港澳三地聯合舉辦，其中鐵人三項項目由香港承辦。為此，香港鐵三運動員需要通過更多高水平的訓練與交流提升實力，此次交流訓練營正是備戰全運會的重要實踐，讓運動員們感受高原訓練的獨特優勢。同時，通過技術切磋和文化互動，運動員們既能追求競技突破，也拉近了滇港兩地距離，深化友誼與合作。 玉溪市人民政府副市長劉冰介紹，玉溪市委、市政府歷來高度重視體育事業發展，緊緊圍繞雲南省打造「高原訓練勝地、戶外運動天堂、四季賽事樂園」的目標，大力發展體育競賽、體育旅遊和高原體育訓練等產業，全市已打造多個集訓練、賽事、食宿、休閒功能於一體，富有高原特色的體育訓練基地。期待以此次活動為紐帶，進一步深化滇港兩地在體育賽事組織、專業人才培養、體育產業聯動等多領域的務實合作，攜手推動兩地體育事業繁榮發展。 當日，雲南省委統戰部副部長趙修春，雲南省體育局副局長張雲龍，玉溪市委常委、統戰部部長普光照，玉溪市政府副市長劉冰，中央人民政府駐香港特別行政區聯絡辦公室宣傳文體部體育處處長朱劍平，香港特別行政區政府駐成都經濟貿易辦事處主任袁嘉諾等嘉賓出席開營儀式。玉溪市教育體育局局長張燕華與香港三鐵總會秘書長、雲南省政協委員陳嶽鵬代表雙方籤署合作備忘錄。(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。
蜘蛛直播
「活动」首次登录送新手大礼包
- 软件大小: 315.64MB
- 最后更新: 2025-12-10 08:20
- 最新版本: v16.17.15.6
- 文件格式: apk
- 应用分类:ios-Android 海棠直播
- : 需要联网
- 系统要求: 5.53以上
客服热线：136-1987-9851
36
41826
43
2025-12-10 08:20
34192
78
2025-12-10 08:20
53728
21
2025-12-10 08:20
31248
73
2025-12-10 08:20
26581
13
2025-12-10 08:20
54261
52
2025-12-10 08:20
62795
17
2025-12-10 08:20
95127
31
2025-12-10 08:20
78265
36
2025-12-10 08:20
37964
23
56831
94
52734
73514
39456
78421
89
38
