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)
央視網消息:持續降雨容易導致城市發生內澇,如遇城市內澇,我們該如何避險?以下的這些避險要點,您可要記牢了。 城市內澇通常發生在城區的低洼地區、危舊房屋、在建工地,以及地下軌道交通、地下商場、車庫、地下室等地下空間。 汛期我們要主動規避城市洪澇風險。及時關注天氣預報、城市內澇風險預警。如有強降雨預報時,儘量避免前往易澇點,如低洼地區、下凹式立交橋、地下空間等,遠離危險區。 如果在室內遇到積水漫入,要及時切斷屋內電源與氣源,切勿在屋內停留,迅速撤離至就近的高地、樓頂。 如果在室外遇到積水,步行時要注意避開積水及漩渦,靠近建築物,儘量避開燈杆、電線桿、變壓器、電力線、鐵欄杆以及樹木等有可能導電的物體。發現高壓線鐵塔傾斜或者電線桿斷頭垂下時,一定要迅速遠避,防止觸電。 如果駕車出行,需儘快把汽車停在地勢較高處後離開,不要在車裡避雨。通過積水道路時要注意觀察,可利用參照物觀察內澇水深;如果水深漫過車軸且積水不斷加深時,要及時棄車逃生。 來源:央視網
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。
17456
42
2025-12-20 12:29
24613
34
2025-12-20 12:29
58643
36
2025-12-20 12:29
62938
61
2025-12-20 12:29
72956
85
2025-12-20 12:29
68241
26
2025-12-20 12:29
28495
81
2025-12-20 12:29
96817
82
2025-12-20 12:29
32457
52
2025-12-20 12:29
21465
98
2025-12-20 12:29
79431
68
2025-12-20 12:29
83167
19
2025-12-20 12:29
59436
95
2025-12-20 12:29
84579
65
2025-12-20 12:29
84512
38
2025-12-20 12:29
72651
24
2025-12-20 12:29
89537
28
2025-12-20 12:29
18753
46
2025-12-20 12:29
71549
86
2025-12-20 12:29
53964
72
2025-12-20 12:29
24381
18
2025-12-20 12:29
39574
67
2025-12-20 12:29
13845
39
2025-12-20 12:29
21478
19
2025-12-20 12:29
27859
24
2025-12-20 12:29
81547
26
2025-12-20 12:29
53428
52
2025-12-20 12:29
23864
21
2025-12-20 12:29
85497
24
2025-12-20 12:29
72345
13
2025-12-20 12:29
31975
41
2025-12-20 12:29
36784
31
2025-12-20 12:29
46197
49
2025-12-20 12:29
83216
12
2025-12-20 12:29
31942
26
2025-12-20 12:29
97614
71
2025-12-20 12:29
38247
17
2025-12-20 12:29
68531
74
2025-12-20 12:29
96172
54
2025-12-20 12:29
54716
25
2025-12-20 12:29
68913
27
2025-12-20 12:29
25439
36
2025-12-20 12:29
17835
27
2025-12-20 12:29
39874
37
2025-12-20 12:29
56978
67
2025-12-20 12:29
62843
29
2025-12-20 12:29
53912
32
2025-12-20 12:29
28365
91
2025-12-20 12:29
71253
62
2025-12-20 12:29
84365
74
2025-12-20 12:29
42695
73
2025-12-20 12:29
47862
89
2025-12-20 12:29
71589
57
2025-12-20 12:29
| 青草直播 | 婬色直播 |
| 青柠直播 | |
| 妲己直播 | 花蝴蝶app直播 |
| 直播黄台app凤蝶 | |
| 桃花app | 桃花app |
| 月夜直播app夜月 | |
| 桃花直播 | 橘子直播 |
| 私密直播全婐app | |
| 免费直播行情网站大全 | 优直播 |
| 杏爱直播 | |
| 现场直播 | 成人免费直播 |
| 月夜直播在线观看 | |
| 蜜疯直播 | 苹果直播 |
| 月夜直播在线观看 | |
| 榴莲视频 | 夜月直播www成人 |
| love直播 | |
| 美女直播 | 糖果直播 |
| 夜魅直播 | |
| 密桃直播 | 黄播 |
| 秀色直播app下载 | |