第九屆西夏學國際學術會議在銀川開幕
2025-12-11 00:33 2,375次浏览8月以來，上海持續遭遇高溫「烤」驗，松江區日供水量連續多日突破26萬噸。記者從松江區城投公司獲悉，面對用水高峰，松江自來水公司依託「智慧水網」數位化系統，通過實時監測、智能調控與精準搶修，構建起覆蓋水源、水廠、管網、用戶的全流程安全屏障，確保高溫天氣下供水「穩量、優質、高效」。實時監測背後的「數據流」走進松江供水服務調度中心，巨型電子屏上跳動著水廠餘氯、濁度、流量等數百項關鍵數據。這些數據來自全區400餘處監測設施，覆蓋取水頭部、水廠制水流程、管網水質監測點等核心環節，形成一張24小時更新的「供水神經網絡」。「高溫導致原水藻類濃度波動加劇，管網壓力變化頻繁，傳統人工巡檢難以應對。」松江自來水公司用水監管部主任衣江華指著屏幕介紹，目前調度中心已整合熱線服務、供水管線GIS系統、二次供水系統、管網預警系統等模塊，實現「一屏統管」，編織起覆蓋水源、水廠、管網、用戶的智慧水網」。點開供水管線GIS系統，全區供水管網運行概況清晰展現，中控數據平臺實時捕捉著輸水管、配水管、二次供水管線等數據，流量、壓力、水質等運行參數也一目了然。松江自來水公司供水業務所副所長李園表示，這些數據24小時持續更新，可以滿足應急響應、實時處理等需求。「夏季爆管、漏水等應急事件時有發生。在接到搶修派單後，可以通過數位化水務系統迅速判斷點位漏水情況以及供水影響區域，並以此為依據制定搶修方案，極大程度上提升了工作效率。」李園說。除了為搶險維修工作提供高效支持，「智慧大腦」也為制水生產環節築起了安全屏障。夏季高溫下，水廠原水面臨高藻、高濁、高pH值等多重挑戰。依託高頻次、高精度監測技術，水廠實現對現用原水及備用水源每小時一次的巡查採樣，實時追蹤藻類濃度變化動態。同時，通過升級生產設備技術，數字加注泵可根據夏季用水量實時波動，精準調控混凝劑、消毒劑等藥劑投加量，精準匹配水質變化，大幅提升制水質效。智能搶修從「被動應對」到「主動預判」以數位技術為核心的「智慧大腦」，看似僅是中控室內的幾塊屏幕，背後卻是海量的數據與技術支持。松江自來水公司生產運行管理部主任袁磊介紹，在設備管理方面，數據採集與監視控制系統（SCADA）如同人類的「中樞神經」，通過實時採集各個設備的運行參數，做到設備故障及時發現，立即處置，溯源解決。此外，生產運行管理部門不斷完善生產監控系統報警機制，對故障點實施分級報警，針對重點點位加強監控，使得隱患處理效率顯著提升。在原水監測環節，水廠每小時對現用原水及備用水源採樣檢測，實時追蹤藻類濃度變化。「智慧系統不單是針對故障進行報警，還可以通過強大的數據採集分析做出故障預測，『跨前一步』實現全流程運維管控。」松江自來水公司副經理沈輝峰介紹道。目前，松江自來水公司已在取水頭部、一二水廠制水流程、管網水質監測點等重要點位，布設了400餘處監測設施，逐步構建起「採集、分析、決策、控制」的全流程智能化管理體系，將數字基因深度融入城市供水管理工作。後續，智慧水網將持續整合升級，實現水質、運營、服務效率的全面優化。
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。
魅影5.3直播
「活动」首次登录送新手大礼包
- 软件大小: 123.51MB
- 最后更新: 2025-12-11 00:33
- 最新版本: v13.6.12.13
- 文件格式: apk
- 应用分类:ios-Android 六月直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.75以上
客服热线：132-4296-2134
53
97314
29
2025-12-11 00:33
45783
41
2025-12-11 00:33
38126
15
2025-12-11 00:33
51438
81
2025-12-11 00:33
13296
43
2025-12-11 00:33
27541
52
2025-12-11 00:33
96824
23
2025-12-11 00:33
26195
54
2025-12-11 00:33
67183
32
2025-12-11 00:33
89561
29
72
47
92753
14537
81
81936
24758
27653
