從中專生逆襲到博導，高會軍成院士候選人
2026-01-05 12:08 7,179次浏览如何以「遊戲+科普」模式，傳遞雨林保護理念？近日，樂元素旗下休閒遊戲《開心消消樂》發起了 「去雨林！朋友！」公益活動，激發公眾對生態保護的情感共鳴與行動意識。在遊戲中，玩家通過升級雨林棲息地、完成組隊任務、解鎖分享生態圖鑑，不僅獲得了遊戲樂趣，更理解了熱帶雨林的垂直分層、生物多樣性與生態共生關係。遊戲餘熱未消，一場沉浸式、可參與、可感知的科普化學習場景拉開帷幕。8月初，一支由青少年和家長們組成的「雨林小分隊」，走進了海南熱帶雨林國家公園，感受大自然的獨特魅力。在雨林課堂中，他們跟隨專業老師領略了空中花園、獨木成林等自然奇觀。「老師說這棵樹有4700歲，真的不敢相信。」在百花嶺，11歲的上海女孩陳秋見到了傳說中的「神樹」，她驚訝地瞪圓了眼睛。「最神奇的是樹上垂下來的綠蘿，跟我家陽臺上的完全不一樣。熱帶雨林裡的植物比我想像的更勇敢，它們不用花盆也能長大，還能陪著一棵古樹活了幾千年。」夜探雨林的活動亦是驚喜不斷，大燕蛾、鋸腿原指樹蛙等多種珍稀動物一一亮相，讓城市裡的孩子們大開眼界。在參觀的同時，孩子們要完成自然標本，繪製觀察筆記，記錄下這趟難忘旅程中的點點滴滴。「孩子邊做自然標本邊念叨遊戲裡的生態知識，還拉著同齡小朋友討論桌遊策略，晚上和大家一起圍坐分享。每個孩子都有自己的『雨林發現』，這種互動比悶頭旅遊有意義多了。」作為陪玩家長的劉蒙，原本只想著「換個地方帶娃」，結果卻有意外驚喜。家長和孩子們紛紛表示，之前在遊戲裡積極分享生態圖鑑，此次遊學活動則在線下「開了眼」；聆聽專業帶隊老師生動有趣的科普講解，更是受益良多。活動期間，大家圍繞以熱帶雨林保護為主題的國家公園桌遊《雨林奇境》，展開交流切磋，營造出「以遊會友、以學促知」的互動氛圍，使雨林保護理念在輕鬆愉快的交流中得以進一步傳遞。該桌遊由上海科技館出品，是2025年「我們的國家公園」科學桌遊挑戰活動的官方指定桌遊。一直以來，《開心消消樂》致力於通過遊戲場景傳遞正向價值，與上海科技館、上海自然博物館等進行了多次深度聯動，積累了豐富的科普傳播經驗。上海科技館館方表示：「樂元素用技術與創意連接了遊戲世界與自然世界的橋梁，是上海科技館在傳播自然保護理念、助力可持續發展目標實踐中的重要合作夥伴。」「遊戲賦能科普優勢很明顯。遊戲具有強參與感和沉浸感，用戶在升級棲息地、解鎖圖鑑等創新方式裡邊學邊玩，從而對公益內容產生特殊的感情，這種情感羈絆會延伸到現實，喚起公眾對自然保護的意識。藉助遊戲這個『科普放大器』，可以讓科普影響更持久。」樂元素公益負責人李雅說，「一系列公益活動發揮遊戲寓教於樂的社會功能，能讓科學知識走出展廳，也讓科學保護的理念通過遊戲的溫度，傳遞給更多人。」未來，樂元素期待與更多機構深化合作，以科學教育與數字文化的深度融合為抓手，推動全民科普邁入更多元、更多樣、更具參與感的新時代，也為遊戲行業履行社會責任、實現社會價值提供可推廣的優秀範例。
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。
浪花直播
「活动」首次登录送新手大礼包
- 软件大小: 735.56MB
- 最后更新: 2026-01-05 12:08
- 最新版本: v15.10.2.1
- 文件格式: apk
- 应用分类:ios-Android 红桃直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.56以上
客服热线：134-5189-4386
83
21
53219
24
2026-01-05 12:08
45289
16
2026-01-05 12:08
21539
72
2026-01-05 12:08
94127
29
2026-01-05 12:08
91764
56
2026-01-05 12:08
21754
28
2026-01-05 12:08
46278
76
2026-01-05 12:08
34612
94
2026-01-05 12:08
73248
83
2026-01-05 12:08
85243
89174
72
75
46237
28
25847
89
51
54718
69
86
