進入「七下八上」主汛期以來,我國北方尤其是華北及東北地區降水天氣明顯增多。 頻繁降水、空氣潮溼,給各類野生菌提供了生長條件,一些有毒蘑菇便混跡其中,若誤採誤食,極易中毒甚至危及生命。 8月4日,北京市市場監督管理局發文提示野生菌類加工和食用風險。 以下是華北地區部分 常見的毒蘑菇 快收藏「避雷」 ↓↓↓ 蘑菇中毒的危害 毒蘑菇的毒素成分各異,中毒症狀也不盡相同。 常見中毒類型可分為胃腸炎型、急性肝損害型、急性腎衰竭型、神經精神型、溶血型、橫紋肌溶解型、光敏皮炎型7種。 中毒事件中,胃腸炎型和神經精神型最為常見,而急性肝損害型和橫紋肌溶解型是主要致死類型。 前不久,雲南一名男子 吃野生菌後中毒致幻 躺在病床上隔空抓物 稱自己看到了 鳳凰、八爪魚、蜘蛛 …… 一旦中毒,輕者會出現噁心、嘔吐、腹痛、腹瀉等胃腸道症狀及視力模糊、精神亢奮、錯亂、幻覺等精神症狀;嚴重者可出現溶血、肝臟和腎臟損害,甚至死亡。 科學避毒 牢記「三不原則」 在戶外,無毒蘑菇常與毒蘑菇混生,易沾染毒蘑菇的菌絲,所以哪怕食用的野生菌是無毒品種,仍然有中毒危險。所以想要避免野生菌中毒,就要做到「不採、不食、不信」。 不採:遠離公園草坪、山區林地的野生菌。 不食:拒絕食用任何來源不明的野生菌。 不信:不用民間「土方法」鑑別野生菌。 毒蘑菇五大「陷阱」 別中招! 生蟲的蘑菇無毒? 昆蟲對毒素耐受性遠高於人類,劇毒的鵝膏菌常被蟲蛀,但人類食用就會致命。 銀器驗毒法可靠? 毒蘑菇中的毒素多為生物鹼,不能與銀髮生化學反應,所以用銀筷子、銀勺無法檢測毒素。 顏色樸素就安全? 僅根據顏色與形狀不能判定野生菌是否有毒,比如顏色鮮豔的橙蓋鵝膏是美味的食用菌;而一身雪白、看似安全的致命鵝膏則有劇毒。 煮過的蘑菇沒毒? 一些毒蘑菇的毒素(如鵝膏毒肽、鹿花菌素)耐高溫,100℃煮沸2小時仍可能殘留。 曬乾或泡酒能解毒? 許多毒蘑菇的毒素在乾燥、酒精環境中性質穩定。常規的曬乾處理或泡酒無法破壞其毒性,誤食仍存在致命危險。 懷疑自己蘑菇中毒了 怎麼辦? 儘快就醫 野生菌中毒的潛伏期較短,一旦食用後出現不適,無論症狀輕重,都應儘快就醫。 注意,一起食用過野生菌的人,無論是否出現中毒症狀,都應就醫,避免錯過最佳治療時機。 及時催吐 可立即大量飲用溫開水或稀鹽水並催吐,以減少毒素吸收。若中毒者出現昏迷,不宜進行人為催吐,以免引起窒息。 保留樣本 就醫時,應及時告知醫生野生菌食用史。最好攜帶未食用的野生菌或照片,以便醫生確定種類,判斷預後。 警惕「假愈期」 急性肝損害型蘑菇中毒在臨床上存在「假愈期」,即患者在嘔吐、腹瀉等急性胃腸炎期過後,雖自我感覺已「康復」,但此時體內已出現嚴重肝腎功能異常,若救治不及時可能導致多器官功能衰竭。 因此,對於超過6小時以上潛伏期的中毒患者要及時轉診到有診療能力的綜合醫院進行治療。 高溫潮溼的6-9月是野蘑菌的生長旺季 國家應急廣播提醒 野生菌毒性 難以靠肉眼分辨 不採不食最安全 大家需提高警惕 消除僥倖心理 一旦誤食 應第一時間到醫院就診 對症治療 ▌來源:國家應急廣播綜合北京市市場監督管理局、北京疾控 (國家應急廣播微信公眾號)
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。
68931
79
2026-03-01 13:18
61438
57
2026-03-01 13:18
39175
34
2026-03-01 13:18
69854
52
2026-03-01 13:18
68129
76
2026-03-01 13:18
35147
85
2026-03-01 13:18
18639
96
2026-03-01 13:18
35164
49
2026-03-01 13:18
63897
29
2026-03-01 13:18
18934
17
2026-03-01 13:18
27468
64
2026-03-01 13:18
86724
15
2026-03-01 13:18
42587
85
2026-03-01 13:18
65348
74
2026-03-01 13:18
62859
95
2026-03-01 13:18
52938
82
2026-03-01 13:18
17952
94
2026-03-01 13:18
39568
38
2026-03-01 13:18
75164
84
2026-03-01 13:18
92185
62
2026-03-01 13:18
38945
57
2026-03-01 13:18
39658
69
2026-03-01 13:18
59612
69
2026-03-01 13:18
49168
87
2026-03-01 13:18
18264
92
2026-03-01 13:18
24635
81
2026-03-01 13:18
15963
48
2026-03-01 13:18
87635
62
2026-03-01 13:18
78296
45
2026-03-01 13:18
41268
24
2026-03-01 13:18
83947
23
2026-03-01 13:18
49816
63
2026-03-01 13:18
27398
46
2026-03-01 13:18
61785
68
2026-03-01 13:18
12976
85
2026-03-01 13:18
94365
97
2026-03-01 13:18
35196
74
2026-03-01 13:18
85641
56
2026-03-01 13:18
83267
14
2026-03-01 13:18
71948
31
2026-03-01 13:18
35294
71
2026-03-01 13:18
42197
92
2026-03-01 13:18
92614
49
2026-03-01 13:18
37162
37
2026-03-01 13:18
95364
71
2026-03-01 13:18
85361
97
2026-03-01 13:18
71952
78
2026-03-01 13:18
19478
28
2026-03-01 13:18
84539
48
2026-03-01 13:18
76342
43
2026-03-01 13:18
36498
12
2026-03-01 13:18
| 桃花app | 仙凡直播 |
| 桃鹿直播 | |
| 少女6夜半直播nba | 山猫直播 |
| 嗨球直播 | |
| 四季直播 | 月夜直播app夜月 |
| 春雨app直播免费看 | |
| 美女直播app | 水仙直播 |
| 趣播 | |
| 桔子直播 | 伊人下载 |
| 密桃直播 | |
| 9.1樱花ppt网站大片 | 杏仁直播 |
| 免费直播 | |
| 桔子直播 | 秀色直播 |
| 小白兔直播 | |
| 金桔直播 | 六月直播 |
| 秀色直播 | |
| 心动直播 | 荔枝网直播 |
| 伊人直播 | |
| 小蝌蚪app | 月神直播 |
| 山猫直播 | |