趙露思助農公司大使證書被質疑是假的
2026-01-20 10:27 9,321次浏览侵華日軍「榮字1644部隊」隊員後代公布細菌戰證據—— 「揭露歷史真相，以避免悲劇重演」 「這次是日本首次向世人公開『榮字1644部隊』整本留守名簿，揭露了『榮字1644部隊』的具體情況。侵華日軍在中國犯下的罪行證據確鑿、不容抵賴！」侵華日軍「榮字1644部隊」隊員後代、77歲老人竹上勝利近日在接受本報記者採訪時表示。 不久前，應竹上勝利和日本細菌戰研究專家、滋賀醫科大學名譽教授西山勝夫等人的要求，日本國立公文書館首次公開了侵華日軍「榮字1644部隊」「波字8604部隊」「波字8609部隊」留守名簿等資料。留守名簿是侵華日軍人事檔案資料，包含當時日軍部隊成員的姓名、出生日期、戶籍、兵種等信息，是研究侵華日軍部隊的重要基礎資料。 2017年，竹上勝利在改裝自家倉庫時，發現父親遺留了多本照片集和資料，裡面記錄了侵華日軍陸軍「防疫給水部隊」在中國華東、華中地區的活動情況。因日軍要求官兵保守從軍秘密，竹上勝利的父親生前從未向他提起自己在中國的經歷。經過調查，竹上勝利發現，自1932年起，他的父親曾以衛生兵等身份3次前往中國，1941年轉入「榮字1644部隊」。 侵華日軍在中國多次發動細菌戰。日軍各支細菌戰部隊中，除了臭名昭著的侵華日軍731部隊，還包括「榮字1644部隊」。竹上勝利說，他的父親在其他部隊時的經歷多有據可查，但關於「榮字1644部隊」的資料少之又少。公開資料顯示，這支細菌戰部隊在人員配置、器材調集等方面都與731部隊相關，研製細菌武器、培育細菌戰劑、進行人體實驗，並配合731部隊對華實施細菌戰，導致霍亂、傷寒、鼠疫等烈性傳染病在浙江、江西等地區大流行，給當地人民生命帶來巨大傷害。 竹上勝利為了調查清楚父親在「榮字1644部隊」的工作，與日本福島縣立醫科大學醫學部講師末永惠子取得了聯繫。末永惠子長期從事侵華日軍實施細菌戰等歷史研究，得知竹上勝利整理保存了「榮字1644部隊」的重要資料，她鼓勵竹上勝利將這些「鐵證」整理出版。2024年7月，末永惠子出版《帝國陸軍防疫給水部圖像影集》，書中刊載了竹上勝利父親記錄的戰時日記及保存的照片。竹上勝利說，日本戰敗後將大量資料銷毀，涉及細菌戰和人體實驗的資料被留存下來的非常少，將之公之於眾具有重要意義，「榮字1644部隊」的真相遠未揭開，相關資料尤為珍貴。 「我對在日本侵華戰爭中犧牲的中國人表示沉痛哀悼。迄今為止，日本國內仍不時出現否認、美化侵略歷史的言行。罪行就是罪行，該反省就得反省，日本政府應該向中國真誠地道歉。」竹上勝利說，「在我有生之年，我將繼續努力向世人揭露歷史真相，以避免悲劇重演。」 (本報日本長野電) 本報記者 朱玥穎 《人民日報》(2025年08月10日 第 03 版)
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。
妖姬直播
「活动」首次登录送新手大礼包
- 软件大小: 367.58MB
- 最后更新: 2026-01-20 10:27
- 最新版本: v6.16.5.15
- 文件格式: apk
- 应用分类:ios-Android 黄瓜直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 8.92以上
客服热线：134-6934-7159
蜜桃app类似软件
猜你喜欢
72
71695
51
2026-01-20 10:27
61725
68
2026-01-20 10:27
35829
79
2026-01-20 10:27
57234
58
2026-01-20 10:27
24896
86
2026-01-20 10:27
15946
52
2026-01-20 10:27
64153
82
2026-01-20 10:27
35827
24
2026-01-20 10:27
56931
89
2026-01-20 10:27
19584
96
2026-01-20 10:27
21965
24
93156
75
38754
37
13
61238
19876
97684
28
87
49
36
17