多地住房公積金支持支付首付款
2026-02-26 07:24 1,758次浏览近日，「寧好•少年創變者」網格治理體驗官項目正式按下青春啟動鍵。在歷史與現代交織的百年昌平路街角，一群00後、10後們走進昌平綜合網格，深入了解並參與綜合網格的工作，與職能部門思想碰撞，攜手討論社區治理難題。新民晚報記者獲悉，該項目是由江寧路街道學生社區實踐指導站與昌平綜合網格聯合策劃並開展的，通過構建「認知-體驗-創變」三級成長體系，讓市一中學、七一中學、彭浦中學的15位學子走出課本，在派出所的接警臺前觸摸社區安全脈搏，在市場所的「明廚亮灶」監控屏裡探尋民生溫度，在城管隊員的柔性執法現場感悟治理智慧。同時，也讓他們以新生代視角為基層治理注入鮮活能量，更讓「人人參與、人人負責、人人奉獻、人人共享」的城市治理共同體理念，在年輕血脈中生根發芽。這群「少年創變者」用腳步丈量社區，沉浸式體驗社區治理。周警官詳細介紹了派出所的工作職責，少年們通過真實案例了解「110接警流程」，發現「調解鄰裡糾紛比破案更需要智慧」。在市場所，他們跟著執法人員了解「明廚亮灶」工程，看到學校後廚，學會用「望聞問切」識別問題產品。當05後少年發現，與自己對話的市場所導師竟是十年前的校友，這場跨越時空的治理傳承，被賦予了更為特色的意義。在城運中心，他們親眼見證城管隊員如何用「柔性執法」化解佔道經營矛盾，通過互動問答，解開了心中對「城管」這一職業積壓多年的困惑。他們還穿上「昌平街區志願者」橙馬甲，共同參與了昌平路志願服務日活動。在帶著問題參與各項實踐，並通過交流了解了各職能部門的職責、執法邊界後，同學們針對綜合網格拋出的議題，模擬討論了一系列「接地氣」的民生問題——老舊商住樓發生電梯困人事件，如何預防？同學們圍繞老舊電梯如何平衡日常維護突發應急，合理使用維修基金推進設備更新，「三駕馬車」形成治理合力等方面各抒己見。某菜店和行人發生衝突，是為了什麼？同學們聚焦菜店的實際需求，與周邊居民對環境改善的渴望，對如何構建「疏堵結合」的長效機制，如何激勵商戶自律等問題表達了看法。小林同學的自行車去哪兒了？同學們關注到商圈非機動車停放亂象，討論了小林自行車丟失的原因。首先，商場北側機動車數量遠高於北側，這是南北兩側機動車停放不均的問題。因此，建議在北側建立禁停區，或者派遣人員直接站在北側停車區，或者單獨找出一塊靠近商場的地方，用於非機動車或機動車的停放處。家長表示，這樣的活動很有意義，「有些部門的職能自己也了解得不多，參與這樣的活動讓孩子對身邊事有了更多的思考。通過帶著具體問題去實踐，感覺社區的事，變成了自己的事，和社區的距離一下子拉近了」。當「少年創變者」開會提建議時，職能部門的導師們都認真記錄了他們的建議，並適時地給出了點評和回應。這場青春與治理的對話讓00後和10後們理解了「社區不是別人的事」，也讓職能部門看到，年輕人的眼睛裡藏著社區治理的未來答案。每個參與者都是社區治理的「細胞單元」，每份青春創意都可能成為破解治理難題的「金鑰匙」。
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。
春雨直播安装包
「活动」首次登录送新手大礼包
- 软件大小: 914.65MB
- 最后更新: 2026-02-26 07:24
- 最新版本: v9.7.6.2
- 文件格式: apk
- 应用分类:ios-Android 魅影app免费下载安装
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.92以上
客服热线：137-5478-8521
76
34721
71
2026-02-26 07:24
76231
53
2026-02-26 07:24
63152
97
2026-02-26 07:24
56481
27
2026-02-26 07:24
76548
42
2026-02-26 07:24
36842
81
2026-02-26 07:24
89476
84
2026-02-26 07:24
13928
89
2026-02-26 07:24
13548
12
2026-02-26 07:24
87524
85132
73
48516
57968
46918
98
35812
14258
