日本大阪城公園護城河現大量死魚並散發異臭 原因暫不明
2026-01-05 21:19 5,246次浏览天津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)
中日甲午戰爭結束後，清政府以戰敗國的身份付給戰勝國日本2.3億兩白銀作為戰爭賠償，日本藉此大力發展了重工業、軍火工業和教育事業。 日本發動的侵略戰爭給中國人民帶來了深重的災難，按照有關國際法和國際慣例，日本理應對中國人民進行賠償。 然而，第二次世界大戰結束後，中國卻沒有得到日本應有和及時的戰爭賠償。此後，由於時事變換，最終中國放棄了對日本的戰爭賠償要求，這段歷史背後有著複雜的成因。 美國違背諾言，從中作梗 在處理日本問題上，美國認為其在對日戰爭中起了巨大作用，便以盟主的身份自居，操縱和包攬了日本賠償等事宜。當時的國民黨政府雖然表面上躋身四強，但在賠款事宜中所起的作用很有限。 1945年由中、美、英三國發布的《波茨坦公告》明確了日本賠償的原則，即可以保留維持其經濟運轉所必須的工業設備和實物，其餘的用來賠償。 資料圖：1945年7月26日，中、美、英三國發表《波茨坦公告》。 戰後初期，美國曾推行「先期拆遷」計劃，即將提日本工業設備實物的30%作為直接受日本侵略國家的賠償物資，其中中國可得15%。但隨著美蘇對立加劇和中國解放戰爭的推進，美國為扶持日本作為反蘇反共基地，不斷縮減賠償範圍。 中國戰時損失，據國民黨行政院賠償委員會的估計，按當時價格計算，不下620億美元，而中國分得的賠償物資才約值2250萬美元，只佔萬分之三。中國分得的賠償物資中，最大、最新、最完整、最切合需要的成套設備首推吳港「11—5—5」海軍兵工廠的1.5萬千瓦發電設備一套；其次是同廠的200噸碼頭式起重機一具。中方得到通知後，立即派了幾位專家前往拆遷。 就在這兩套設備拆卸時，美國政府於1949年5月13日向盟總頒發臨時指令，取消了「先期拆遷」計劃的執行，停止了日本對各盟國的賠償。至此，戰後對日索賠的事宜實際上已被美國腰斬。 國民黨為己私利，出賣民族大義 1949年下半年，中國的局勢發生了根本性的變化：人民解放戰爭節節勝利，國民黨政權土崩瓦解。12月底，國民黨當局全部撤到了臺灣。 臺灣當局為獲取美國支持及維持所謂「中國合法政府」代表的形象，在對日賠償問題上態度大變，甚至表示可酌情核減或全部放棄賠償。 國民黨對日索賠態度的轉變，其中重要的原因之一還在於蔣介石堅持反共而對日本反共政府採取的所謂寬大、不進行報復的政策，以實現它以中國合法政府的身份參加對日和約的籤字。因為日本曾在此前威脅說，要與中華人民共和國談判，籤訂雙邊條約。 1952年2月17日，臺灣與日本和約談判正式開始。談判幾經周折，臺灣當局多次妥協讓步，最終在戰爭賠償等實質問題上徹底放棄。1952年4月，臺灣當局與日本籤訂所謂的「日華條約」，為一黨一派之私利出賣民族大義。 資料圖：1952年4月，「日華條約」在臺北籤署。 中國政府從大局出發，放棄戰爭賠償 1971年10月25日，第26屆聯合國大會恢復了中國在聯合國的一切合法權利，並立即將蔣介石的代表從聯合國的一切機構中驅逐出去。中國成為聯合國成員國和安理會常任理事國。 70年代初，由於國際戰略格局發生變化，美國外交政策實施了兩項重大轉變：一是美國承認中國並對建立外交關係進行談判；二是徵收10%的進口稅，主要目的是打擊日本，同時停止美元和黃金的兌換。這兩項與日本關係極為密切的政策出臺，狠狠打擊了精神上毫無準備的日本。這一切大大刺激了日本政界。他們不能不反躬自問，對華政策上緊跟美國是否做錯了。 不久，不得人心的佐藤政權垮臺，田中角榮出任內閣總理大臣。田中就職後立即宣布把日中邦交正常化作為自己的首要任務。中日邦交正常化時機漸趨成熟，戰爭賠償問題再次被提上日程。 1972年7月以後，中國為實現與日本邦交正常化進行積極的準備，周恩來總理就放棄戰爭賠償問題作了下述指示：第一，中日邦交恢復以前，臺灣的蔣介石已經先於我們放棄了賠償要求，共產黨的肚量不能比蔣介石還小。第二，日本為了與我國恢復邦交，必須與臺灣斷交。在賠償問題上採取寬容態度，有利於使日本靠近我們。第三，如果要求日本對華賠償，其負擔最終將落在廣大日本人民頭上，這樣，為了支付對中國的賠償，他們將長期被迫過著艱難的生活。這不符合中央提出的與日本人民友好下去的願望。 資料圖：1978年8月12日，《日中和平友好條約》籤字儀式在人民大會堂舉行。 1978年8月12日，在北京發表了《日中共同聲明》，中日兩國籤訂了《日中和平友好條約》，同年10月23日生效。中國政府從中日人民世代友好的願望和長遠利益出發，放棄了1200億美元國家間的賠償要求。 資料圖：1978年10月23日，《日中和平友好條約批准書》互換儀式在日本首相官邸舉行。 中國政府雖然放棄了對日本的戰爭賠償要求，但是，就日本軍國主義戰爭罪行的賠償要求——1800億美元的國民賠償要求，中國政府在任何場合都沒有宣布予以放棄。 這種對受害賠償要求的保留，給我們留下了一個符合國際法的向日本提出受害賠償的機會。 中國新聞社綜合自中國共產黨新聞網 策劃：於翔
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。
名模直播
「活动」首次登录送新手大礼包
- 软件大小: 843.68MB
- 最后更新: 2026-01-05 21:19
- 最新版本: v19.13.4.19
- 文件格式: apk
- 应用分类:ios-Android 桔子直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 8.15以上
客服热线：138-6497-7198
34
59217
74983
72
2026-01-05 21:19
23786
72
2026-01-05 21:19
78519
86
2026-01-05 21:19
21376
47
2026-01-05 21:19
37629
58
2026-01-05 21:19
15862
38
2026-01-05 21:19
67158
89
2026-01-05 21:19
37619
39
2026-01-05 21:19
79321
74
2026-01-05 21:19
82
18253
41
75142
25368
91764
18673
54