外媒：俄羅斯多地遭無人機襲擊 一州政府大樓受損
2025-11-23 09:48 6,769次浏览世間萬物，如同春夏秋冬、生老病死，似乎都有生命周期，逢高則落，唯有創新突破，才有可能穿越周期。電影亦是如此。 近日，暑期檔電影市場，雖然若干作品票房尚可，但總體而言，業內期盼的紅紅火火場景並沒有出現，暑期不熱，甚至有人驚呼市場出現了難以承受之重。這是偶然，還是必然呢？ 其實，從無聲到有聲，從黑白到彩色，從小銀幕到大銀幕，彈指百年間，電影市場一路走來，演繹了一部精彩的行業周期史。 70年代末，筆者剛上小學，最高興的事情就是看露天電影了。當時大家一聽說村裡要放電影，就早早搬個小板凳去等候著。甚至鄰村要放電影，幾個小夥伴瞞著家人，不遠數公裡，也要去看一看。此時，看電影帶來的心理效用極高；更重要的是，電影供給在那時是極其稀缺的，幾乎沒有什麼可以替代的，是一個典型的情緒密集型奢侈品。 80年代中期，上了中學，家裡有了電視，從14英寸的黑白電視到21英寸的彩色電視，從新聞即時播報到聲情並茂的紀錄片，從電影到電視劇，從體育頻道到音樂頻道，精彩紛呈。剎那間，電視的小屏幕在一定程度上替代了電影的大銀幕，電視的全天候供給開始衝擊電影的非常態供給。偶爾記得，學校每學期都會組織學生去看場電影，有時幾個同學一起相約看場電影，卻沒有了小時候看電影的心潮澎湃，情緒價值明顯下降了。是電影邊際效用減弱也好，是人們喜新厭舊也罷，總之，大銀幕不再「一枝獨秀」。 90年代，上了大學，最大的變化是失去了中學時代的家庭電視自由。宿舍裡沒有電視，同學相約周末看電影成為閒暇生活的選擇之一。電影市場有了小眾的感覺，成了學生生日、戀人約會、親子互動、節假日休閒等活動的重要場所。春節檔、賀歲檔、暑期檔、國慶檔等電影標籤應運而生，為的是爭取有限的觀眾走進影院，力爭點燃觀眾的情緒價值。與之對應的是，一眾電視劇也各出奇招，行業內的競爭是激烈的，電影與電視「搶觀眾」開始白熱化。電影成了偶爾的情緒價值點綴，儘管有幾部電影票房創了新高，但也有許多部電影無奈陪跑。 如今，參加工作多年後突然發現，這個世界變化快，既沒有時間看電影了，甚至也沒有時間看電視了。更為重要的是，手機來了，永遠在線的移動智能來了，電影、都市劇、短視頻隨時隨地都可以在手機上看了。二次元世界的虛擬與現實體驗，劇本殺、密室逃脫的角色扮演，娛樂、餐飲、購物、知識等無所不包的直播，無處不在。電視、電影都式微了。大銀幕好像逐漸招架不住小屏幕了，而這一次是更小的屏幕：手機。手機成了身體的一部分，成了生命的一部分，成了情緒價值宣洩的關鍵載體。 這一次，電影碰到了Z世代(1995年至2009年出生)與阿爾法世代(2010年後出生)。這些網際網路時代的「數字原住民」，行為特徵是：重體驗、求品位、愛品牌、快行樂。TA們謀求「零等待」的情緒化消費，重視情感價值和情緒價值。 此時，電影只能在夾縫中求生存，不僅面臨與手機的行業間競爭，更面臨激烈的電影行業內競爭：聲光電的精美畫面，扣人心弦的情節翻轉，刺激心靈的對白和價值觀，一個都不能少。心動決定行動，誰能觸動觀眾的心靈，誰能帶動觀眾體驗感悟人生，誰能帶給觀眾更多情緒價值，誰就能爭取到貨幣選票。為此，院線不僅僅放電影，更要提供細緻齊全的吃喝玩樂的配套服務，通過全方位為觀眾提供情緒價值，才能夠把人氣變成現金流。 可見，電影業式微背後的行業間競爭與行業內競爭是趨勢性的，唯有精益求精，提供更好的體驗型商業業態，才有可能穿越周期、逆勢生長。 展望未來，電影不會消失，也會有爆款出現，但似乎無法判斷，何時哪一部電影將成為下一個網紅？畢竟，不同時代的人偏好是不一樣的，同一個人的偏好也是會變的。每一代人有每一代人的情緒價值，每一代人有每一代人的網紅大片。我們等待著更加精彩的下一部大片的到來。 【作者系暨南大學投資諮詢(研究)中心主任、教授、博導
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。
打开b站看直播
「活动」首次登录送新手大礼包
- 软件大小: 395.18MB
- 最后更新: 2025-11-23 09:48
- 最新版本: v13.13.13.4
- 文件格式: apk
- 应用分类:ios-Android 魅影9.1直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.16以上
客服热线：138-9586-6712
少女6夜半直播nba类似软件
猜你喜欢
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
-
2025-11-23 09:48
56
74
63827
76
2025-11-23 09:48
84561
31
2025-11-23 09:48
69452
51
2025-11-23 09:48
73186
46
2025-11-23 09:48
83216
59
2025-11-23 09:48
28695
27
2025-11-23 09:48
41275
51
2025-11-23 09:48
51734
34
2025-11-23 09:48
89614
53
2025-11-23 09:48
35649
37
2025-11-23 09:48
46983
46
21384
97
48962
21
38
28
31
15
46
38
13679