從實驗室到千家萬戶，人形機器人如何跨越「最後一公裡」？
2026-01-13 18:39 5,265次浏览北京8月10日電 題：辛巴威籍足球教練：助力更多孩子圓夢綠茵場 作者 周昕 「調整呼吸，加快移動速度！」 9日，綠茵場邊，辛巴威籍主教練沃特爾的目光，始終緊隨著佳德愛2013隊小球員們的跑位與傳接。「我希望孩子們從足球中收穫到的，遠勝於我當年所得。」沃特爾說，自己想幫助更多孩子圓夢綠茵場。 這個暑期，第42屆「百隊杯」足球賽為孩子們帶來「足球盛宴」。作為擁有40餘年歷史的北京傳統青少年足球賽事，其規模從首屆報名參賽的110餘支隊伍，發展到如今的1300餘支，既為更多孩子提供了展示自我的平臺，又見證著青少年足球的蓬勃發展。 本屆比賽，由沃特爾創辦的佳德愛足球學院，選派了5支隊伍參與不同年齡組的比賽。在他的帶領下，5支匯聚了來自中國、加拿大、日本、辛巴威等國家和地區的小球員，成為賽場上亮麗的「風景線」。 2017年，因傷告別運動員職業生涯的沃特爾來到中國，延續對足球「熾熱的愛」，他選擇教青少年踢足球。佳德愛足球學院成立近6年來，有近10個國家和地區的150餘名孩子跟著這位非洲教練踢球。 在沃特爾看來，讓更多孩子愛上足球運動、給更多孩子踢球的機會，正是發展這項運動的關鍵所在。「我不會總是強調輸贏有多麼重要，我關注的是孩子們能從每一場比賽中學會如何更好地控制球、如何去射門，如何去總結經驗、取得進步。」 從運動員到教練，沃特爾總結出了自己的執教之道。「要用耐心、愛心去引導孩子，而不是下命令。」 在9日的比賽中，隊長金子琀是佳德愛2013隊唯一的女生，場上擔當後衛的她狀態火熱。從「不喜歡運動」到「愛上足球」，一年多的時間裡，金子琀說自己愛上了和隊友相互配合、射門進球的感覺。 「隊友們來自不同國家，但在這裡我們學會了融入，足球讓不同語言、不同膚色的我們像一家人一樣。」金子琀說。 除了在中國讓更多孩子愛上足球，沃特爾還在家鄉辛巴威創建了另一處足球基地。每逢夏季，辛巴威的孩子們都會來到中國訓練，以球為媒，「百隊杯」正是孩子們交流合作的舞臺。 8月9日，第42屆「百隊杯」足球賽上，佳德愛2013隊的孩子們實現兩連勝。圖為賽後隊員們合影留念。 (佳德愛2013隊供圖) 「同時，中國基地的學生也會在冬季前往辛巴威研學。」佳德愛球隊領隊李海森告訴記者，不止於足球，他們希望給孩子們更加開闊的視野。 11歲的守門員克裡斯蒂亞諾來自辛巴威，面對對手勢大力沉的射門，他壓低重心，眼睛牢牢鎖定足球，幾次側撲救球，被教練沃特爾稱為當日「最佳球員」。 「我從3歲多開始踢球，足球是我生活中不可缺少的部分。」第二次來華參加「百隊杯」的克裡斯蒂亞諾在2024年曾幫助球隊獲得了該年齡組的冠軍。他對記者說，來到中國在球場上圓夢的感覺非常好。 「Well done!(做得好)We're almost done!(我們馬上就做到了！)」沃特爾的鼓勵貫穿全場。佳德愛2013隊當日實現兩連勝，暫列小組第二位，提前出線。「我看到了每一個孩子身上的天賦，我要做的就是把他們的天賦發揮到極致。」沃特爾說。(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。
魅影视频
「活动」首次登录送新手大礼包
- 软件大小: 287.95MB
- 最后更新: 2026-01-13 18:39
- 最新版本: v16.8.1.18
- 文件格式: apk
- 应用分类:ios-Android 花间直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.65以上
客服热线：138-8372-1475
西甲直播类似软件
猜你喜欢
12834
54
2026-01-13 18:39
76583
67
2026-01-13 18:39
78912
19
2026-01-13 18:39
39482
79
2026-01-13 18:39
26735
51
2026-01-13 18:39
19736
47
2026-01-13 18:39
96874
36
2026-01-13 18:39
65328
37
2026-01-13 18:39
82315
63
2026-01-13 18:39
78231
28
2026-01-13 18:39
81234
12
96215
42517
12
96514
71
67
51
12934
24
68
29716
61549
18
65872