財政部：加大對特殊教育學校支持保障力度
2026-01-30 22:16 2,589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)
陝西漢中，地處秦巴腹地、川陝之間，位於中國地理版圖的中心。漢江從這裡發源，漢王朝自此發祥。這裡是秦蜀古道的連接地，是長江最大支流的發源地，也是中原文化與巴蜀文化交流的重要區域，自古便是軍事重鎮。 陝西省漢中市的城市風光。 李偉 攝 1938年3月13日，24架日軍飛機首次飛臨漢中上空，轟炸漢中西關機場，造成民房被毀、軍民死傷。如今，每年的3月13日都是漢中市防空警報鳴放日。不忘國恥，警鐘長鳴！ 抗日戰爭時期，漢中人將智慧藏在夜色裡。空襲的警報聲一響，城內的燈光便刷刷熄滅，漢江的河灘上同時亮起星星點點的燈火，為日軍飛機擺下「迷魂陣」，日軍果然上當，炸彈全扔在了空無一人的河灘上。然而，在長達7年的時間裡，日軍共出動飛機575架次空襲漢中城區、郊區和周邊縣，炸死炸傷1249 人，炸毀房屋2689間。 美國飛行員在漢中街頭拉黃包車。(資料圖)漢中市檔案館供圖 當時中國全民抗戰，大量國際力量也來援華。中國空軍美國志願援華航空隊，是其中有一支十分重要的援助隊伍。他們來到漢中後，在當地政府和群眾的大力支持下與日軍展開了激烈戰鬥。 1941年，美國飛行教官陳納德在羅斯福政府的暗中支持下，以私人機構的名義重金招募美軍飛行員和機械師，組建中國空軍美國志願援華航空隊。一些陸軍航空隊、海軍陸戰隊的後備役、退役人員應募。同年，200多人分兩批來華參加抗日戰爭。陳納德以美軍標準訓練中國空軍，積極協助中國空軍對日作戰，並親自駕機投入戰鬥。 陳納德(資料圖)漢中市檔案館供圖 事實上，中國空軍美國志願援華航空隊的隊員多半是勇敢、渴望冒險、性格不羈的年輕人。由於形式上並非正規軍，他們的戰術研究和訓練自由揮灑。因每架飛機的機頭上都被畫有張開利牙的鯊魚大口，部隊的徽記是一隻身上長著雙翼的飛虎躍過代表勝利的「V」，故人們親切地稱之為「飛虎隊」。 1943年3月，「飛虎隊」改編為第14航空隊，陳納德任隊長。國民政府在漢中西關成立第14航空站，美國空軍第14航空隊一分隊於4月下旬帶著P-61等戰鬥機、驅逐機和2個憲兵隊駐西關漢中機場。與此同時，不少漢中的官兵擔負了守衛機場的任務。 美國飛行員和漢中百姓的合影。(資料圖)漢中市檔案館供圖 第14航空站有許多「超級武器」。「地獄俯衝者」是當時最新轟炸機之一，載彈在半噸以上，兩翼配有鋼炮，翼部另攜彈半噸，帶有五寸火箭八枚，有電器發動機四葉推進槳，俯衝力強。 中美空軍在漢中或者從漢中起飛，與日本空軍和地面軍隊多次交戰。每當空襲警報拉響時，配備降落傘的美國飛行員飛快地跑向他們的戰機，升空驅趕來犯的日軍飛機。 美國飛行員和漢中百姓的合影。(資料圖)漢中市檔案館供圖 機場外的漢中城，藏著許多暖乎乎的故事。據一些老者回憶，藍眼睛、黃頭髮的美國朋友走在街上，小孩們總追著看新鮮，他們就掏出水果糖，引得一串清脆的笑聲。西關機場的空地上，飛虎隊員們常支起棒球棍，圍觀的孩子跟著叫好。後來城中學校也有了棒球隊，美國教練比劃著姿勢，把陌生的遊戲變成了友誼的密碼。 1945年，漢中城固張騫墓，美國飛行員合影留念。(資料圖)漢中市檔案館供圖 當時，漢中人民傾其所有，支持在漢的美國飛行員。1945年6月20日11時，美國飛行員唐納等三名中尉駕駛一架戰鬥機，飛至漢中市鎮巴縣南長灘寨子上空，因燃料耗盡墜落。事發當天這架飛機夜襲江蘇蘇州擊落5架日機，炸毀日軍四個火車頭。返航中途經鎮巴仁村上空時燃油耗盡，飛行員分別跳傘降落於丁家灣、蛇窩子和餘家河。 仁村中心學校師生和附近群眾發現後，一邊組織人員滿山尋找飛行員，一邊派人到鄉公所、縣政府報信，傍晚找到3名飛行員並連夜將其送至鄉公所處理傷情。由於語言不通，還留下了不少趣事。據記載，當天飛行員想吃雞蛋，無奈大夥不懂英語，受傷較輕的赫爾中尉就只好形象地比划起來。他用手按著鼻子學著下蛋母雞的叫聲，引得在場的人哈哈大笑。 經過中美空軍數次與日激戰後，日本飛機空襲漢中的次數逐漸減少，1945年7月以後，日機再也沒有飛臨漢中。漢中人民與「飛虎隊」相處融洽，彼此結下了深厚的友誼。 如今，警報聲停了，那些「鯊魚嘴戰機」和「飛虎徽記」早已成為漢中的深刻記憶，如江邊的晚風和秦嶺的濃綠一般，鐫刻在了當地人的心中。 速覽部分空戰： 1942年4月30日擊落日軍02轟炸機一架，墜毀在城固縣黃沙鋪鄉陳家寨。燒死日軍4人，駕駛員巖谷中一跳傘後被俘。 1943年4月30日下午，日機12架襲擊漢中，克萊爾·陳納德遂駕機從上方俯衝，在空中與之對戰，擊落日機一架。 1943年4月，陳納德飛行隊兩架戰鬥機與日軍空戰後，返航漢中時誤認西鄉牧馬河為漢江，加之汽油不足，就降落在南河壩沙石灘上，圍觀群眾數千人。次日，運來汽油後才飛回漢中。 1944年夏，飛虎隊自漢中起飛，轟炸日佔區武漢市，空戰時一機負傷，返航中墜毀西鄉上瓦房坪，駕駛員跳傘身亡。 1944年冬，駐漢中的中美空軍與日軍空戰中，一架飛機墜毀于洋縣西南壩，駕駛員跳傘墜落在沙溪鄉，被護送至漢中。 作者：李一璠 張遠 來源：微信公眾號
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。
夜月直播www成人
「活动」首次登录送新手大礼包
- 软件大小: 247.58MB
- 最后更新: 2026-01-30 22:16
- 最新版本: v12.18.17.9
- 文件格式: apk
- 应用分类:ios-Android 魅影直播视频
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.96以上
客服热线：139-1982-9754
14
92638
76
2026-01-30 22:16
28397
52
2026-01-30 22:16
54768
67
2026-01-30 22:16
86521
17
2026-01-30 22:16
32865
54
2026-01-30 22:16
51829
87
2026-01-30 22:16
81469
76
2026-01-30 22:16
61283
37
2026-01-30 22:16
86297
26
2026-01-30 22:16
12764
19
72835
75986
89
71982
47915
31578
29