越南師生桂林行：重走先輩路 賡續中越情
2025-11-17 18:13 6,132次浏览「牆外桃花牆裡血，一般鮮豔一般紅。」今晚，作為「誰料二十正風華」——2025年再芬黃梅·上海演出季重磅大戲之一，大型原創黃梅戲《延年和喬年》將在美琪大戲院完成申城首秀。該劇出品人、中國戲劇家協會副主席、安徽再芬黃梅藝術劇院院長韓再芬說：「《延年和喬年》是一曲獻給青春、理想與信仰的澎湃讚歌。陳延年和陳喬年生於安慶、長於安慶，最終為了理想和信念在上海這座英雄城市壯烈犧牲，我們用家鄉的黃梅戲唱響他們的故事，表達故鄉人民深切的懷念與崇高的敬意，是責任更是心願。」 黃梅戲《延年和喬年》海報《延年和喬年》講述了陳延年和陳喬年兩位革命烈士的故事。在那個風雨如晦的年代，他們懷揣著對國家和民族的無限熱愛，毅然投身革命。該劇由喻榮軍編劇，何念執導，陳儒天和閻律作曲，董潤淮配器。黃梅戲表現現代題材不易，喻榮軍十二易其稿：「我本身是安徽人，延年、喬年兩兄弟於安慶而言，不僅是革命者，更是這座城的兒女。」他形容這次創作是「一場穿越百年風雨的跋涉」，作品從陳獨秀的視角出發，三人既是革命者，也是有著骨肉親情、血脈相連的父子，他說：「在血與火的革命歲月裡，正是這種經過淬鍊的親情才是最真摯動人、震撼人心。」 《延年與喬年》劇照在「國」與「家」的雙重風暴眼中，革命先行者如何安放個人的情感與命運的？傳統戲曲又如何承載如此宏闊的歷史敘事與深刻的人性探索？該劇在音樂與結構上破格，「皖水龍山秋意濃」運用黃梅戲傳統唱腔表現高氏在江畔如泣如訴的呼喚，而當陳延年面對軍警發出「革命者只有站著死，決不下跪」的雷霆之聲時，則融入進行曲般的鏗鏘節奏，迸發出金屬的質感。父子三人關於「監獄即研究室」的輪唱與合唱層層遞進，聲浪疊加，宛如精神的洪流，讓傳統戲曲板腔體與現代多聲部合唱碰撞新火花，時空摺疊與心靈外化的手法讓表現形式更多樣。 《延年與喬年》劇照黃梅戲《延年和喬年》主創主演團隊在抵達上海後，第一件事就是到龍華烈士陵園陳延年、陳喬年烈士墓前祭拜，同行的還有陳獨秀孫女、陳延年和陳喬年侄女——陳長璞。而在作品創作過程中，主創、主演也多次去安慶獨秀園等地採風。劇中飾演陳延年的王澤熙說：「我從小就知道陳延年、陳喬年兩兄弟的故事，在反覆觀看《覺醒年代》，又數次拜訪了他們的故居後，能觸摸到他們心中那份家國情懷的根源。」韓再芬黃梅戲《延年和喬年》是「再芬黃梅」踐行「一戲一品格，一戲一樣式」創作理念和「人人當主演」人才培養理念的傾心之作。讓韓再芬印象最深的是安慶首演時臺下孩子們專注投入的眼神：「我們特地請了很多小觀眾和年輕人來看戲，那天他們入戲很快，我能從他們的神情中感受到共鳴。特別是演出結束，那熱烈而綿長的掌聲，真的讓我淚崩。」韓再芬飾演女駙馬作為黃梅戲「活化石」，《女駙馬》誕生於1958年，由安慶專區黃梅戲劇團（安徽再芬黃梅藝術劇院前身）首創首演，麻彩樓、嚴鳳英等藝術家塑造的馮素珍深入人心。歷經60餘年打磨，該劇已成為中華戲曲「女性勇敢追求正義與真愛」主題的永恆註腳。周日晚，該劇將以煥新面貌登場。韓再芬在傳承經典版本的基礎上，融入影視化敘事節奏，將馮素珍女扮男裝、冒死救夫的傳奇演繹得既詼諧又揪心，劇中「為救李郎離家園」等經典唱段也將喚起戲迷的集體記憶。韓再芬飾演女駙馬再芬黃梅·上海演出季已持續舉辦多年，成為上海觀眾與再芬黃梅雙向奔赴的見證。韓再芬說：「上海是黃梅戲的福地。20世紀50年代，嚴鳳英、王少舫等前輩大師就將黃梅戲的芬芳帶到上海，打動了無數觀眾。我們作為後來者，有責任傳承前輩的使命，將黃梅戲推向更廣闊的舞臺。」
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。
桔子直播
「活动」首次登录送新手大礼包
- 软件大小: 725.94MB
- 最后更新: 2025-11-17 18:13
- 最新版本: v12.15.3.13
- 文件格式: apk
- 应用分类:ios-Android 深夜直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 6.63以上
客服热线：139-1587-1286
67529
35
51
38245
49
2025-11-17 18:13
25491
64
2025-11-17 18:13
53487
52
2025-11-17 18:13
32985
19
2025-11-17 18:13
96874
81
2025-11-17 18:13
97326
63
2025-11-17 18:13
59863
45
2025-11-17 18:13
41639
41
2025-11-17 18:13
21548
37
2025-11-17 18:13
95
49
95824
71
28
59413
28571
92735
72
86
89752
57286
48971