應對颱風「劍魚」影響 三亞發布八條措施支持旅遊業發展
2026-01-11 12:17 7,476次浏览浙江台州8月8日電 題：海洋廢塑料變身潮品 「藍色循環」模式促新生 記者 官逸倫 在「藍色循環」項目發起成員之一、浙江藍景科技有限公司(下簡稱「藍景科技」)的展示區域，人們或許很難想像，製成方巾、領帶、單肩包等產品的重要材料是曾被丟棄在海洋中的廢塑料瓶。 8月7日，作為「藍色循環」項目發起成員之一的浙江藍景科技有限公司展示了由海洋廢棄塑料瓶製成的產品。宋雪晴 攝 作為一種海洋塑料廢棄物治理模式，「藍色循環」由中國浙江省台州市於2020年率先開始探索。該模式通過吸納沿海民眾和漁民加入海洋塑料廢棄物收集，聯合企業製成再生海洋塑料粒子，最終生產出包括再生紡織品、再生塑料製品等符合國際生態環保理念、具有更高附加值的產品，成功讓海洋廢塑料獲得「新生」。 每年有大量塑料廢棄物流入海洋。聯合國秘書長古特雷斯曾警告說，若不採取行動，預計到2050年，海洋中的塑料總量或將超越魚類。 張文祥是「藍色循環」模式下海洋塑料廢棄物收集儲存站點「小藍之家」的「家長」。曾經是村幹部的他在退休後加入「小藍之家」。張文祥表示，在其所負責的站點，有時一天可以收到上百斤的海洋塑料廢棄物。他說，當地沿海環境在「小藍之家」建立後得到明顯改善。 為確保收集的塑料廢棄物來源於海洋，「藍色循環」利用區塊鏈和物聯網等技術，實現海洋塑料從回收到應用的全過程可視化追溯，解決了數據流轉真實性的問題。通過掃描產品二維碼，製成該產品的海洋廢棄物由誰收集、儲存、轉運、再生、加工等信息一目了然。 在國家海洋環境監測中心研究員李方看來，「藍色循環」創新了海洋塑料汙染治理模式，形成了海洋汙染物收集、運輸、再生、高值利用的閉環價值鏈，並通過將一部分利潤反哺給漁民和沿海居民，激勵其收集海洋垃圾，進一步形成良性循環。 2023年10月，為表彰該模式對近岸海域塑料汙染治理作出的傑出貢獻，聯合國環境規劃署宣布，將聯合國環保領域最高榮譽「地球衛士獎」獎項授予「藍色循環」治理模式。截至目前，台州市已累計回收海洋塑料廢棄物5.45萬噸。 藍景科技生產副總經理方敏告訴記者，漁民的觀念在這幾年裡改變了很多：一開始他們覺得將捕魚時打撈上來的塑料廢棄物帶回陸地很麻煩，但現在他們會覺得這是應該做的。方敏表示，漁民逐漸意識到，如果把這些垃圾丟在海裡，海洋裡的魚最終會越來越少，「其實對自己是沒有好處的」。 獲得「地球衛士獎」以來，「藍色循環」模式在從一地試點到向全省推廣、從塑料瓶到全品類塑料回收利用、從單一主體到更多主體參與等方面實現拓展。 據台州市生態環境局海洋生態環境處負責人王安介紹，在「藍色循環」模式獲得「地球衛士獎」後，該市開始探索制定中國首部海洋塑料廢棄物治理的地方性法規，了解企業、漁民等多方需求，以期將好的經驗轉化為制度，也把前期遇到的問題和困難在制度中予以規範。 王安表示，《台州市海洋塑料廢棄物治理規定》將於今年10月1日起施行。她希望能通過聚焦海洋塑料廢棄物這一小切口，帶動其他海洋廢棄物的治理。 李方表示，海洋塑料廢棄物治理規範化將有助於相關實踐的推廣。「海洋環境治理問題需要大家共同參與。但怎麼參與，需要一定的規範。」 李方同時告訴記者，未來，「藍色循環」模式亦可進一步探索如何將收集處理海洋塑料廢棄物與源頭汙染防治相結合，如通過升級改造相關設施減少進入海洋的塑料廢棄物數量。在他看來，這對「藍色循環」模式來說或許是一個新的動力。(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。
秀色直播app下载安装app
「活动」首次登录送新手大礼包
- 软件大小: 876.97MB
- 最后更新: 2026-01-11 12:17
- 最新版本: v4.19.18.8
- 文件格式: apk
- 应用分类:ios-Android 魅影直播间
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.89以上
客服热线：135-4978-7652
青柠直播类似软件
猜你喜欢
27
67329
91
2026-01-11 12:17
47129
51
2026-01-11 12:17
92567
56
2026-01-11 12:17
25397
31
2026-01-11 12:17
85396
38
2026-01-11 12:17
42371
67
2026-01-11 12:17
78125
81
2026-01-11 12:17
71523
24
2026-01-11 12:17
12376
16
2026-01-11 12:17
67921
26
2026-01-11 12:17
82513
47
2026-01-11 12:17
53426
89176
23
93
53817
32469
86791
89
58
71