紀念中國人民抗日戰爭暨世界反法西斯戰爭勝利80周年座談會暨圖片展在濟州舉行
2025-12-31 05:13 5,295次浏览天津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)
最近，化工行業的一則消息讓業內人士有些無奈：有「成分黨」錯將化妝品標準套用在洗滌產品上，得出了某款洗滌產品因「含有化妝品禁止添加成分而不安全」的結論。從業者不得不搬出各種標準、文獻加以說明，才緩解了消費者的擔憂。這已經不是「成分黨」第一次「鬧烏龍」了。近年來，隨著消費者健康意識的提升，網際網路上興起一批被稱為「成分黨」的消費群體。他們熱衷於研究各類產品的成分表，通過自行設計實驗、分享檢測結果等方式，為其他消費者選購產品提供參考。對產品安全和品質的關注本應值得肯定。有的「成分黨」通過分析護膚品成分，發現部分產品涉嫌虛假宣傳；有的通過研究成分與商品名稱、商標的關係，發現有品牌涉嫌用商品名稱、商標美化產品品質的情況。基於科學精神的質疑與探討，不僅能得到更多消費者聲援，而且在監管部門介入下，有助於糾正企業的違法違規行為。可以說，「成分黨」的出現打破了企業對產品信息的壟斷，促使企業更加注重安全、誠信，是消費市場走向成熟的重要動力。但不能忽視的是，隨著「成分黨」受到追捧，網際網路上也出現一些不可全信的「成分分析」乃至「行業黑幕」。有些「成分黨」因為專業知識欠缺、實驗設計不科學，致使「實驗」結果不能完全展示真實情況。更有甚者，出於惡意競爭等目的，故意炮製錯誤結論。這些行為不僅讓消費者陷入認知混亂，更擾亂了市場秩序，有時甚至造成恐慌。有些「檢測實驗」結論不嚴謹社交平臺上常見的「螢光檢測筆檢測肥皂含有螢光劑」實驗，可以說是實驗設計不嚴謹、檢測結果以偏概全的典型案例。在這些實驗中，不少「成分黨」用螢光筆照射肥皂，當檢測出現螢光反應時，便斷言肥皂添加了有害螢光劑，建議不要使用。部分消費者信以為真，紛紛詢問自己購買的產品到底能不能用。 然而，根據國家標準《GB/T 26396-2011 洗滌用品安全技術規範》《QB/T2953-2008洗滌劑用螢光增白劑》，肥皂和洗滌劑中允許添加一定量的螢光增白劑，這種添加在合理範圍內對人體無害。更重要的是，部分肥皂含有的蜂蜜、維生素B2等天然成分，本身就會產生螢光反應。僅憑檢測筆的照射結果就得出「肥皂違規添加螢光劑」的結論，顯然不準確、不科學。類似的案例還有很多：用pH試紙檢測護膚品酸鹼度來判斷產品好壞，卻忽略了皮膚自身的酸鹼調節能力；強調「零添加」才是安全，卻忽略了食品工業中合理使用防腐劑是防止微生物汙染的必要手段，國家也已明令禁止使用「零添加」作為宣傳；錯誤引用不同產品的適用標準分析產品成分，看似結論有國家標準支撐，卻不知道比對依據選錯了……總之，有些看似頭頭是道的「成分分析」，本質是將複雜的科學問題簡化為非黑即白的判斷，存在極大的瑕疵，誤導他人。有些「行業內幕」別有用心比知識局限更令人擔憂的是，部分「成分黨」出於商業利益或個人目的，故意製造謠言、攻擊競爭對手。這類現象在化妝品、食品等競爭激烈的行業尤其普遍。一些所謂的「成分達人」「揭黑勇士」利用普通消費者對專業知識的匱乏，將合規成分描述為「有害物質」「致癌物質」，將正常的生產工藝歪曲為「黑心操作」，通過煽動焦慮情緒獲取流量和利益。以上行為不僅違背了科學精神，更是對市場秩序的破壞，涉嫌不正當競爭。例如，有大量自我標榜「揭露行業黑幕」的「成分黨」博主表示，很多眼霜產品中含有工業化學原料矽酸鈉，而矽酸鈉通常用在粘合木材、生產水泥中。所以，相關企業用矽酸鈉生產眼霜是坑害消費者。可真相是，矽酸鈉不屬於化妝品安全技術規範中的禁用物質，被收錄於《已使用化妝品原料目錄（2021年版）》，序號02660。簡單來說，矽酸鈉既可以用在建築工程中，也可以用在化妝品生產中。然而，相關博主利用消費者不了解相關標準以及矽酸鈉的廣泛用途，偷換概念後，得出「用黏土和水泥的原料生產眼霜是行業黑幕」等結論，嚴重誤導消費者。而且，相當一部分「揭黑者」同時推銷自己的產品，並用「不含矽酸鈉」作為噱頭。可見，這部分「成分黨」的根本目的是用錯誤的結論貶低他人產品、實現自我營銷。 理性看待「成分分析」以上種種顯示，「成分黨」的分析並不完全正確，公眾要擦亮眼睛，避免偏聽偏信。一方面，要認識到產品成分的安全性比較複雜，涉及添加量、使用方式、個體差異等多個因素，不能僅憑單一實驗或碎片化信息就得出結論。另一方面，消費者可以參考權威渠道的信息，判斷產品質量。比如，查看監管部門的抽檢結果、專業機構的科普內容等，而非盲目相信網絡上的「達人測評」「行業揭黑」。其中，要特別警惕那些刻意製造焦慮、誇大風險的言論，學會辨別信息背後的利益動機。對於「成分黨」群體自身而言，也要堅守科學底線。真正的「成分黨」不該是危言聳聽的「批判家」，而是基於專業知識的「科普者」。在提出質疑前，具有相關領域的基礎知識，確保實驗設計科學、結論嚴謹；在分享觀點時，註明信息來源和局限性，避免絕對化的表述。只有以科學態度對待成分研究，才能發揮積極作用。社交平臺對「成分黨」也不能聽之任之，因為部分打著「經驗分享」「行業內幕」旗號的帖子已經被證實是錯誤的信息。有的增加了消費者不必要的焦慮，有的更是別有用心者的故意為之。對於錯誤的信息，平臺應當及時清理下架；更進一步，為「成分測評」「行業揭黑」類帖子的發布立規矩，進行必要的提示。
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。
美女直播app
「活动」首次登录送新手大礼包
- 软件大小: 614.29MB
- 最后更新: 2025-12-31 05:13
- 最新版本: v15.13.5.16
- 文件格式: apk
- 应用分类:ios-Android 比心直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 8.76以上
客服热线：135-2471-3684
美女直播app类似软件
猜你喜欢
89
83452
27
2025-12-31 05:13
84751
24
2025-12-31 05:13
19523
86
2025-12-31 05:13
78415
62
2025-12-31 05:13
83175
74
2025-12-31 05:13
56243
59
2025-12-31 05:13
69315
46
2025-12-31 05:13
81736
62
2025-12-31 05:13
46832
92
2025-12-31 05:13
35719
12
2025-12-31 05:13
98643
16
2025-12-31 05:13
19
72543
43
52
54261
91854
74185
16
59
26