聯播+｜全民健身 共築未來
2025-12-20 10:06 2,638次浏览徐匯區長橋街道的龍瑞路北側龍騰大道濱江段環境宜人，綠地與兒童遊樂場一直是居民們休閒的熱門去處。然而，這裡的商鋪業主卻反映，因為人行道上有一段高約1.5米的綠化帶，就像面紗遮住了商鋪的門面，擋住了路人視線，也阻隔了人氣，店鋪生意難做，頻繁換手。今年年初，長橋街道在黨建引領的「多格合一」機制下，將此問題帶入徐匯新城片區例會。最近，400餘平方米的綠化帶和臺階改造完成，視野一下子開闊敞亮了，還嵌入長椅、無障礙坡道等設施，方便行人駐足休憩，人流量明顯增加。改造前原貌。龍瑞路龍騰大道口的中海瀛臺小區建成已有多年，小區外圍濱江段有一排商鋪，開過咖啡廳、健身房等多種業態，生意始終不溫不火，頻繁更換租戶。商家反映，商鋪門前人行道的臺階總長約有150米，上面分布著一排近一人高的綠植，藤蔓還張牙舞爪地纏繞上了路燈柱，模樣既不好看，無法以顏值吸引客流，還遮擋了視線，使商鋪門面顯得比較隱蔽，途經的非機動車、機動車駕駛員一不留神就會錯過這排商鋪，不利於商鋪引流。然而，這片區域的權屬比較複雜，位置恰好穿越中海瀛臺小區紅線，產權分屬市政與小區，綠植修剪和調整需經徐匯區綠化中心同意，屬地長橋街道和居委會無法自行操作。對於這樣「跨部門、跨行業、跨領域」的複雜治理格局，如何實現條塊協調聯動，成為「破局」關鍵。今年初，在長橋街道徐匯新城片區的例會上，商戶的呼聲被街區黨支部書記帶到了會議上，街道依託黨建引領「多格合一」機制，在去年成立的片區會議平臺優勢，打破治理瓶頸，聯動屬地派出所、司法所、市場監管所、綜合行政執法隊、街道職能部門等治理力量，多次召開片區會議，組織街道管理辦、中海瀛臺居委會、居民代表、商戶代表面對面開展交流。同時，街道多次組織代表們實地踏勘綠化現狀，廣泛徵求意見，討論綠化調整的可行方案。片區、街區、社區的「三區」聯動，搭建起牆內牆外的溝通平臺，推動片區治理的多元參與，「誰來管」的問題迎刃而解。施工中。在責任釐清的基礎上，片區黨委向徐匯區綠化市容局「吹哨」，區綠化中心迅速響應，實地查勘後確定改造方案。然而，這一改造之前未被列入今年計劃，存在預算資金缺口。面對經費短缺難題，商戶主動提出集資意向，經過多方考慮，這一工程被納入龍瑞路美麗街區建設項目中，實現了順利啟動。施工初期，長橋街道、片區黨委和街區支部相關負責人實地查看時，發現改造效果與預期存在落差，部分植物依然遮擋門面。追問之下才得知，商戶代表出於「不想再麻煩大家」的心態，對初版方案雖不盡滿意卻未表達異議。長橋街道隨即組織再次協商，充分聽取商戶真實訴求，聯合社區、居委會、設計單位等反覆研討、現場比對，最終形成兼顧安全、美觀和商戶經營需求的新方案，並獲得商戶、居民的廣泛支持和高票通過。改造後寬敞明亮的街道。改造後的綠化高度只有15釐米左右，從商鋪裡向外看浦江兩岸風景的視線更好了，從路邊看商鋪也是一目了然，不過，新的問題又產生了——兩米多高的路燈原本位於約1.5米高的樹木裡，並不突兀，但當綠化帶的「海拔」驟降後，這一根根路燈就顯得十分突兀了。路燈產權屬小區，為了這排「鶴立雞群」路燈引發的討論，居委會及時介入，協調業委會開展居民徵詢，又成功推動路燈改造，同步降低「身高」，讓街區整體風貌更加和諧美觀。最近，工程整體圓滿收官，不僅改善了街容街貌，還新增了幾個停車位，也為商鋪引流增加了砝碼，深受商戶和居民好評。
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。
夜月视频直播
「活动」首次登录送新手大礼包
- 软件大小: 615.63MB
- 最后更新: 2025-12-20 10:06
- 最新版本: v3.15.13.16
- 文件格式: apk
- 应用分类:ios-Android 桃子直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 2.93以上
客服热线：132-1592-4983
成人直播app推荐免费类似软件
猜你喜欢
42639
32
2025-12-20 10:06
84653
59
2025-12-20 10:06
25746
46
2025-12-20 10:06
46391
63
2025-12-20 10:06
69184
39
2025-12-20 10:06
58671
91
2025-12-20 10:06
31264
34
2025-12-20 10:06
19287
76
2025-12-20 10:06
48365
67
2025-12-20 10:06
26187
51
2025-12-20 10:06
28314
35
2025-12-20 10:06
73
54
57
16
71436
49281
19
83
76