謝鋒：3500萬中國軍民用鮮血昭示世人和平必須捍衛 正義終將勝利
2025-12-28 20:39 5,819次浏览成都8月14日電 題：一個人的世運代表團：微光如炬 永不獨行 作者 單鵬 王鵬 祝歡 對於絕大多數運動員來說，世運會是與隊友和教練並肩作戰、共享榮耀的舞臺，但對於25歲的奈及利亞壁球運動員阿德戈克而言，世運會的壁球場地只屬於他一個人——孤身奮戰，沒有其他奈及利亞選手與其並肩。 泰拳運動員穆薩維是出現在成都世運會的阿富汗唯一一名運動員。他的泰拳之路充滿艱辛：18歲背井離鄉，只身前往瑞典求學和訓練。雖然穆薩維大部分時間待在國外，但他仍選擇代表祖國參賽。 8月8日，阿富汗泰拳運動員穆薩維(左)在成都世運會擂臺迎戰一名烏克蘭選手。 記者 劉忠俊 攝 還有古巴的自由潛水員，喬治亞的力量舉健將，列支敦斯登的無人機競速選手……在成都世運會，一個人的世運代表團引人關注——20多個國家和地區的「獨苗」運動員微光如炬，以一己之力點亮世界賽場。即便孤身奮戰，他們的體育精神與夢想依然閃閃發光。 「在成都世運會這樣高水平的舞臺比賽，是我職業生涯極大的成就，也是寶貴的人生經歷」。穆薩維從2017年起參加正式比賽，8年來獲獎無數。不過略為遺憾的是，他在首輪以1分之差惜敗，最終位列8名參賽選手的第5名。 「比賽競爭極其激烈，每名選手都是各自隊伍的冠軍，也都經過多年比賽、累積積分才拿到世運會的參賽資格。這個結果並不理想，但我非常感恩有參賽機會，希望下次把勝利帶回家。」穆薩維說。 相比穆薩維，百慕達群島隊唯一一名運動員、37歲的「散打女將」克裡斯塔走得更遠。她進入了武術散打女子70公斤項目的銅牌賽，但不敵埃及運動員，未能站上領獎臺。 克裡斯塔的故事頗為勵志：與散打結緣時已25歲，訓練是她12年來的生活常態。這次參賽，克裡斯塔升了一個體重級別——從平時的65公斤級升到70公斤級，這意味著她將面對一批從未交手過的對手。「但我熱愛競爭，希望在新級別裡依然可以保持競爭力。」 8月11日，37歲的百慕達群島隊「散打女將」克裡斯塔(右)在成都世運會武術散打比賽中。 記者 張浪 攝 雖然孤軍奮戰，「孤勇者」們卻未孤單收場。成都世運會的燈火裡，語言不通的擊掌、訓練間隙的自拍、領獎臺下的擁抱，一個人的代表團最終帶回一群人的友誼，他們把微笑留給了賽場，也把更大的夢想帶回故鄉。 「有好有壞吧。」談起獨自參賽的體驗，克裡斯塔笑言：「我能更專注於自己需要做的事情，這是一種不同的體驗。」在她看來，體育精神是一種團結感——即便彼此是對手，不同項目的運動員也因共同的努力而緊密相連。「我想讓大家知道，即使像百慕達群島這樣的小地方，也能在世界舞臺上留下印記。」 阿德戈克是奈及利亞現世界排名最高的壁球手。成都世運會他沒有教練也沒有隊友，平時一個人訓練、吃飯，孤單時他習慣把耳機塞進耳朵，用音樂或與遠方親友的視頻通話填滿時間；球場上他始終面帶微笑，正是這份輕鬆讓他在遺材賽面對世界排名更高的捷克選手時逆轉取勝。比賽結束，觀眾找他合影、索要籤名、交換聯繫方式，在成都他收穫了全世界的掌聲和朋友。 踏上擂臺，穆薩維感到千萬道目光匯集於一身，「整個國家都在看我」。他說，在阿富汗，仍有無數泰拳少年揮汗如雨，只為登上更高的舞臺。「我的每一次出拳，都在告訴他們：堅持，就能讓希望落地。」(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。
优直播
「活动」首次登录送新手大礼包
- 软件大小: 593.41MB
- 最后更新: 2025-12-28 20:39
- 最新版本: v19.11.19.7
- 文件格式: apk
- 应用分类:ios-Android 鲨鱼直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.79以上
客服热线：138-6915-2456
71
87641
42
35217
69
2025-12-28 20:39
41957
63
2025-12-28 20:39
49856
76
2025-12-28 20:39
15796
96
2025-12-28 20:39
31987
86
2025-12-28 20:39
15728
91
2025-12-28 20:39
98476
73
2025-12-28 20:39
23597
61
2025-12-28 20:39
94815
92
2025-12-28 20:39
89
71284
56
59327
25891
17
38
47189
91354