僑界聚星火 丹心照山河
2025-11-16 10:02 6,829次浏览8月5日電 據國家發展改革委微信公眾號消息，為營造「厲行節約、反對浪費」的良好氛圍，交流制止餐飲浪費工作經驗，國家發展改革委環資司、市場監管總局食品協調司現發布制止餐飲浪費第七批典型經驗做法如下： 一、天津市和平區構建旅遊餐飲消費新風尚。 依託轄區特色「津遇和平」系列文旅主題，天津市和平區開展「海棠花開 大美和平」新時代文明實踐活動，大力弘揚自覺主動制止餐飲浪費新風尚。進行「節約標兵」示範餐飲商家評比，針對商家是否主動提示點餐過量、是否主動提供打包服務等指標，通過向食客發放電子問卷形式進行綜合評定，授予排名靠前商戶「尚儉商家」榮譽標牌。組織旅遊景區餐飲從業者代表、消費者代表參加「弘揚綠色消費，樹立文明新風」集中承諾和倡議活動，讓商家成為制止餐飲浪費的參與者、見證者、推動者，遊客成為觀美景、品美食、感文明的踐行者。 二、上海市黃浦區精準開展「數據化」食堂管理破解浪費難題。 上海市黃浦區創新推行食堂全流程精細化管理，建立覆蓋採購、庫存、消耗的標準化數據臺帳，實施「周小結、月分析、季研判」動態監測。推廣智慧預訂系統，依據實際需求精準指導食材採購與備餐，大幅減少預估偏差導致的浪費。全面供應「小份菜」「半份菜」，滿足差異化需求，創新探索食材邊角料再利用模式，如西蘭花根制醬菜等，有效降低廚餘產生。通過多部門協同制定標準、數據共享、經驗交流形成監管服務合力。 三、江西省吉安市推廣「按重計價」模式。 2024年起，江西省吉安市積極推動餐飲業轉型升級，在中式快餐等領域大力推廣「自選菜品+按重計價」模式。店家依據銷量動態補菜，食材平均損耗率下降10%-15%，配套推行「打包盒零收費」服務，進一步倡導節約。目前，全市360餘家中式餐飲門店採用此模式，日均廚餘垃圾減少12%。新模式讓顧客按需取餐、精準消費，將「光碟行動」落實在就餐的各個環節。 四、湖南省長沙市多所學校「稱」出糧食節約新風尚。 湖南省長沙市實驗小學、湖南師大附中雙語實驗學校等多所學校，通過配發刻度回收桶、設置電子稱重臺等方式，實現餐飲浪費量化，並將浪費情況與班級榮譽掛鈎，讓節約從道德倡導轉為「文明比拼」，有效激勵學生自覺制止餐飲浪費。長沙市實驗小學2024年餐飲剩餘量從每年3萬斤降至1萬斤，每日人均剩餘量僅25克；湖南師大附中雙語實驗學校全校剩飯率同比下降62%，三年累計表彰42個文明班級、280名「光碟之星」。 五、廣西壯族自治區創新打造「三支隊伍」助力制止餐飲浪費行動。 廣西壯族自治區充分藉助區、市、縣、鄉四級志願服務力量，積極宣傳制止餐飲浪費理念。96支「八桂食安」志願服務山歌隊編排《制止餐飲浪費小歌謠》，在民族傳統節日和民族特色活動中傳唱，並在新媒體平臺傳播。98支「桂姐姐」志願服務隊深入中小學食堂，發放倡導崇尚節約美德宣傳資料，講解理性消費、文明用餐的重要意義。108支「外賣騎手」志願服務隊化身「流動宣傳員」，在送餐外包裝上張貼反對食品浪費的宣傳標語，將制止餐飲浪費理念傳播至每一名消費者，讓「小外賣」帶動「大文明」。 六、陝西省安康市出臺反餐飲浪費地方法規。 陝西省安康市發布《安康市反餐飲浪費辦法》，通過設立地方性法規，弘揚勤儉節約傳統美德、倡導綠色消費理念和生活方式，鞏固深化文明建設成果。該辦法實施以來，全市督促17323家餐飲企業開展自查自糾，監督檢查餐飲服務經營者17936家次，依法處罰餐飲浪費違法行為26起，社會公眾節約意識顯著增強，浪費現象得到有效遏制，整體餐飲浪費量較此前明顯下降，制止餐飲浪費工作取得積極成效。
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。
绿茶直播
「活动」首次登录送新手大礼包
- 软件大小: 562.97MB
- 最后更新: 2025-11-16 10:02
- 最新版本: v2.11.7.18
- 文件格式: apk
- 应用分类:ios-Android 糖果直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.19以上
客服热线：137-2873-2947
杏爱直播类似软件
猜你喜欢
12379
61423
56
2025-11-16 10:02
69382
61
2025-11-16 10:02
78256
64
2025-11-16 10:02
96382
15
2025-11-16 10:02
28519
26
2025-11-16 10:02
95124
92
2025-11-16 10:02
93268
58
2025-11-16 10:02
69341
98
2025-11-16 10:02
67812
54
2025-11-16 10:02
63579
38
2025-11-16 10:02
92476
57
2025-11-16 10:02
93
14835
51
81976
36794
56
27
94
83
35
89
18