第九屆西夏學國際學術會議在銀川開幕
2026-01-18 15:36 5,976次浏览在抗戰勝利80周年的重要節點，中國電影迎來了一場意義非凡的集體「出海」，《南京照相館》與《東極島》承載著深沉的歷史記憶，正奮力劃向全球視野的廣闊海洋。它們帶去的不僅是東方的歷史敘事，更是被長期遮蔽的歷史真相。正如網上熱評所言，「有些故事，如果我們不拍，可能就永遠消失了」。如今，這些故事不僅被搬上大銀幕，更要讓全世界看見，並在全球共鳴中構建跨越國界的共同記憶。 《南京照相館》與《東極島》都創下了驚人的「出海」速度。以南京大屠殺真實歷史為背景的《南京照相館》，7月25日在國內上映，8月7日起便登陸澳大利亞、紐西蘭、美國、加拿大，後續還將在馬來西亞、新加坡、俄羅斯、韓國等國上映。取材自中國漁民營救英軍戰俘真實故事的《東極島》，8月8日國內上映，8月14日起即登陸澳大利亞、紐西蘭、馬來西亞、英國、美國、加拿大等國。 《南京照相館》與《東極島》形成了極具深意的時空對話。1937年冬的南京與1942年的舟山東極島，雖遠隔千裡，卻共同見證了中國普通百姓在戰爭陰霾中迸發的人性光輝與不屈精神。前者以南京城的一間照相館為窗口，凝視歷史至暗時刻，聚焦7位普通百姓保護歷史證據的無聲抗爭，影片中的百姓從「求生者」蛻變為「覺醒者」，最終成為歷史真相的「守護者」；後者以東海怒濤為舞臺，綻放人性光芒，講述1942年「裡斯本丸沉沒事件」——東極島漁民冒死駕船出海，從日軍的槍炮下營救出300餘名英軍戰俘，彰顯了中國人的血性和善良。如果說，《南京照相館》展現了向內凝聚的民族精神，那麼《東極島》則呈現了向外延展的國際擔當，兩者共同構建起了中華民族在抗戰中的精神圖譜。 《南京照相館》與《東極島》都承載著連接歷史記憶、照亮當下的文化使命，「出海」正是要讓全世界看見，並共同守護歷史真相。據媒體報導，先行上映的《南京照相館》已在海外引起強烈反響，持續收穫國際觀眾的情感共鳴。溫哥華中華會館理事長錢華坦言，這段歷史在海外的很多教科書中都找不到，但它必須被銘記。多名北美觀眾表示他們的教科書模糊了南京大屠殺，通過該片第一次直觀了解到這場歷史慘劇。還有澳大利亞青年看完電影後規劃了南京行。旅居海外的南京人看完《南京照相館》更是動情表示，「記得每一年的12月13日，每一代都在用不同的方式去銘記這段歷史」，希望更多國際觀眾看到這兩部影片，看到中國人民抗日戰爭的集體記憶和付出的巨大犧牲，守護不應被掩蓋的歷史真相。 這些反響如一道道強光，照亮了西方歷史敘述中的「盲區」。影片不僅是對真相缺席的填補與匡正，更讓曾被遮蔽的慘痛記憶，重新屹立於世界面前。眾多海外觀眾同樣強調表示，銘記歷史是為了以史為鑑，尊重歷史，維護和平。 當《南京照相館》的警報聲與《東極島》的驚濤聲在異國影院迴響，它們將散落的個體記憶凝聚為集體認同，讓不同文化背景的觀眾在對歷史的反思中相連。恰如《南京照相館》導演、編劇申奧在《人民日報》上發表的文章中所寫，「反法西斯是全人類對於和平的共同期待，和平的成果需要我們共同守護。」 揚子晚報/紫牛新聞記者 孔小平
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。
六月直播
「活动」首次登录送新手大礼包
- 软件大小: 752.34MB
- 最后更新: 2026-01-18 15:36
- 最新版本: v12.13.16.12
- 文件格式: apk
- 应用分类:ios-Android 月夜直播在线观看
- 使用语言: 中文
- : 需要联网
- 系统要求: 1.47以上
客服热线：139-9475-7364
58173
48
14
24695
73864
41
2026-01-18 15:36
82756
76
2026-01-18 15:36
46125
51
2026-01-18 15:36
96381
29
2026-01-18 15:36
94135
36
2026-01-18 15:36
72386
74
2026-01-18 15:36
28193
96
2026-01-18 15:36
95236
91
2026-01-18 15:36
47938
86
2026-01-18 15:36
69
76
27
79
23845
71492
26739
65
31