廣州白雲機場新版登機牌亮相
2025-11-22 21:55 4,982次浏览新華社蘭州8月7日電題：回望星火燎原處 南梁奔向振興路 新華社記者梁軍 「看山水輪流轉日久方長，隨朝流趕時代民富國強……」在甘肅省慶陽市華池縣南梁鎮，窯洞裡傳出莊稼漢悠揚的彈唱腔。走近一看，一名農民懷抱三弦，自彈自唱南梁說唱《新農村變化》。歌聲在山間迴蕩，向遠道而來的遊客講述這裡90餘年光陰的滄桑變化。 盛夏的南梁鎮荔園堡村，田野間，一隊參加暑期研學的孩子正體驗「戰地後勤」農耕活動。入夏以來，南梁迎來旅遊旺季，人們紛紛趕到這裡，聽一堂紅色黨課，走一段紅軍小路，幹一場農耕農活，唱一首革命老歌。 南梁是一片紅色熱土。1934年，中國共產黨人創建了以南梁為中心的陝甘邊革命根據地。這裡後來與陝北革命根據地連成一片，形成了陝甘革命根據地。 硝煙早已散去，革命歲月留給這裡50餘處紅色革命遺址遺蹟。陝甘邊區蘇維埃政府舊址、列寧小學、閻窪子四十二烈士墓等，都得到有效保護。 漫步荔園堡村古城堡，蒼松翠柏間，南梁革命烈士紀念碑巍然矗立。不遠處的何溝門安置小區裡，村民楊志慧在美食館內為遊客衝泡當地特色的黃芩茶。「南梁這幾年發展得好，現在旅遊旺季收益很不錯。」這位10年前帶著全家返鄉發展的茶藝師，話語中滿是對未來的信心。 8月1日，長徵國家文化公園南梁革命根據地核心展示園落成開園，上千名群眾來此參觀體驗。園內開設的「時光郵局」「南梁星火館」，帶領遊客「穿越」革命年代；南梁說唱、剪紙、香包製作等非遺展示展演項目，豐富了紅色老區的旅遊體驗。 在南梁，「窯洞經濟」方興未艾。荔園堡村村民郭翠玲的「紅軍民宿」，由一孔孔老舊窯洞改造而成，土炕上鋪著粗布床單，牆上掛著革命年代的畫報。她說，如今搞旅遊生意，年收入超6萬元，而且掙錢、顧家兩不誤。 酸菜熬洋芋、黃米麵饃饃、蕎剁面，這些「農家飯」成為遊客體驗紅色文化的必選項。「遊客憶苦思甜，在對比中感受山鄉巨變。」飯店老闆白濤濤說，他的小店年均收入達20萬元，還帶動了村裡老鄉就業。 紅色旅遊不僅接地氣，而且緊跟時代發展。遊客戴上VR設備，仿佛穿越到1934年陝甘邊區蘇維埃政府成立的現場；通過AR眼鏡，沉默的文物會「開口」講述背後的故事。這些創新拓展了紅色文化的傳播，令南梁的研學產品吸引了更多年輕人。 當年屬於南梁地區的林鎮鄉豹子川、大鳳川，抗戰時期曾開展轟轟烈烈的大生產運動，一度形成「北有南泥灣、南有大鳳川」的生動局面。大生產運動中，軍民自己動手，豐衣足食，不僅解決了吃飯、穿衣問題，還打破了經濟封鎖。誕生於華池、脫胎於大生產運動的民歌《軍民大生產》自此唱響全國。 鬥轉星移，老區南梁的生產方式日新月異。近些年，華池縣積極推廣發展種、養、菌「三元雙向」循環農業。這是一種綠色生態農業模式，以種植業、養殖業、菌業產生的廢棄物作為資源，在彼此產業之間雙向閉合循環利用。 走進華池縣林鎮鄉食用菌產業園，一摞摞菌棒整齊碼放，空氣中瀰漫著濃鬱的菌香。菌棒生產車間裡，在機械的轟鳴聲中，十幾名工人動作嫻熟地進行著備料、拌料、裝袋、高壓滅菌等工作，合格菌棒源源不斷走下生產線。 這裡主要生產高品質香菇，每年能出菇三茬到四茬，年產量800餘噸，實現年產值1100餘萬元。菌業的袋料經過分解處理後，又成為肥料和飼料，實現了循環利用。 從靠天吃飯到多元增收，從傳統農耕到文旅融合，從粗放發展到綠色循環，南梁人民在這片英雄的土地上譜寫鄉村振興的新篇章。
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。
橙色直播
「活动」首次登录送新手大礼包
- 软件大小: 356.59MB
- 最后更新: 2025-11-22 21:55
- 最新版本: v17.18.16.13
- 文件格式: apk
- 应用分类:ios-Android tvn直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.49以上
客服热线：135-7641-8357
九球直播类似软件
猜你喜欢
59487
42
56482
83
2025-11-22 21:55
37651
67
2025-11-22 21:55
64512
65
2025-11-22 21:55
45687
54
2025-11-22 21:55
32589
32
2025-11-22 21:55
29576
54
2025-11-22 21:55
58732
14
2025-11-22 21:55
21367
23
2025-11-22 21:55
75641
58
2025-11-22 21:55
95871
71
2025-11-22 21:55
27163
38
2025-11-22 21:55
23746
14872
92
38721
89143
12473
82
41925
95
51324