精繡「三態四維」，徐匯這個街道助推文商旅居共贏發展｜營商一街一品
2025-12-21 23:49 2,861次浏览8月11日電 題：「劉老莊連」，習近平為何多次稱讚這支隊伍 有一支連隊，不止一次被習近平總書記稱讚。 2015年9月2日，習近平總書記在頒發「中國人民抗日戰爭勝利70周年」紀念章儀式上，提到一批抗日英烈和英雄群體，其中包括新四軍「劉老莊連」。 2017年8月1日，在慶祝中國人民解放軍建軍90周年大會上，習近平總書記再次稱讚「劉老莊連」等眾多英雄群體，「用生命詮釋了一往無前的英雄氣概」。 這支連隊，也不止一次在天安門廣場接受檢閱。 2015年9月3日，為了紀念中國人民抗日戰爭暨世界反法西斯戰爭勝利70周年，天安門廣場舉行盛大閱兵儀式，「劉老莊連」英模部隊走過天安門廣場，接受檢閱。 2019年10月1日，在慶祝中華人民共和國成立70周年閱兵式上，戰旗方隊載著100面榮譽戰旗駛過天安門。其中，「劉老莊連」榮譽戰旗赫然在列。 「劉老莊連」，究竟有什麼故事？ 時間拉回到80多年前。1943年春，侵華日軍對江蘇北部淮海抗日根據地進行大規模殘酷「掃蕩」，3月18日，為掩護地方群眾和黨政領導機關安全轉移，新四軍3師7旅19團2營4連的82名勇士在劉老莊與千餘名日偽軍進行了一場慘烈的戰鬥。 刺刀捅彎了，就用槍託砸；槍託砸碎了，就用小鍬砍；小鍬砍斷了，就用雙手掐；雙手負傷了，就用牙齒咬……82名勇士終因彈盡糧絕、寡不敵眾，全部壯烈犧牲。 朱德同志在《八路軍新四軍的英雄主義》一文中曾稱：「著名的平型關大捷、陽明堡火燒敵機、使敵人膽寒的百團大戰、狼牙山五勇士的跳崖殉國、堅守馬城村的全排壯烈犧牲、黃煙洞的保衛戰、淮北全連八十二人全部殉國的劉老莊戰鬥、南北岱崮的堅守、韓略村的伏擊、甄家莊的殲滅戰，無一不是我軍指戰員的英雄主義的最高表現。」 英雄之後有傳人。當地百姓為82位烈士修建了墓碑，並選送82名優秀子弟重新組建了4連，新四軍3師7旅將該連命名為「劉老莊連」。 新的「劉老莊連」，還在續寫傳奇。 解放戰爭，「劉老莊連」跟隨大部隊從白山黑水打到天涯海角，創造了木船打軍艦的奇蹟；新世紀以來，從汶川震區到抗洪大堤，從中原腹地到維和戰場，從駐訓場到國際演兵場，「劉老莊連」始終衝鋒在前…… 一寸山河一寸血，一抔熱土一抔魂。 「對一切為國家、為民族、為和平付出寶貴生命的人們，不管時代怎樣變化，我們都要永遠銘記他們的犧牲和奉獻。」習近平總書記以崇敬之情表達對英雄先烈的追思。 英雄是民族最閃亮的坐標。習近平總書記指出，一個有希望的民族不能沒有英雄，一個有前途的國家不能沒有先鋒。 今年是中國人民抗日戰爭暨世界反法西斯戰爭勝利80周年。昭昭前事，惕惕後人。英雄的精神與力量，代代賡續，歷久彌新。 習近平總書記囑託殷殷：「要講好抗戰故事，把偉大抗戰精神一代代傳下去。」 ｜出品人：陳陸軍 ｜總策劃：俞嵐 ｜策劃：吳慶才 ｜統籌：馬學玲 闞楓 ｜執筆：李京統 ｜校對：孫靜波 ｜視覺：司方 ｜中國新聞網「習言道」工作室出品
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。
荔枝直播
「活动」首次登录送新手大礼包
- 软件大小: 179.95MB
- 最后更新: 2025-12-21 23:49
- 最新版本: v14.6.7.8
- 文件格式: apk
- 应用分类:ios-Android 雨燕直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.63以上
客服热线：134-7298-2571
56217
45
2025-12-21 23:49
64127
71
2025-12-21 23:49
58312
14
2025-12-21 23:49
46758
54
2025-12-21 23:49
18752
96
2025-12-21 23:49
63758
28
2025-12-21 23:49
61432
57
2025-12-21 23:49
83492
42
2025-12-21 23:49
79416
12
2025-12-21 23:49
97281
45
57
97145
94156
21