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)
早上六點半,鬧鐘響起,你猛地從夢中驚醒,伸手按下「稍後提醒」。九分鐘後,鈴聲再次響起,你又按了一次。第三次響起時,你終於艱難爬起,卻感到腦袋昏沉、四肢沉重,仿佛比直接起床還更疲憊。 這種每天都在上演的「起床拉鋸戰」,你是否也參與其中? 按鬧鐘的貪睡鍵,幾乎成了現代都市人最常見的事情之一。根據一項涵蓋全球三百萬夜晚的數據分析,超過一半的人在早上第一聲鬧鐘響起後不會立刻起床,而是反覆按掉、反覆掙扎。 我們為什麼會貪睡?這到底是在補救前一晚的疲憊,還是在損害本該完整的大腦恢復過程?更重要的是:這種行為,對你的認知狀態、情緒和大腦功能究竟意味著什麼? 科學界對此其實並沒有一致結論:有研究指出貪睡會打斷大腦最重要的修復期,也有實驗證據表明適度貪睡可能有助於更平穩地清醒。那麼,每天早上的那幾次再睡幾分鐘,到底會有什麼影響? 貪睡行為有多普遍? 根據 2025 年5月發表在《科學報告》(Scientific Reports)上的一項大型研究,全球超過55.6%的睡眠記錄都出現了貪睡行為。這項研究由布萊根婦女醫院與麻省總醫院聯合團隊發起,分析了來自21000多名用戶的睡眠數據,總共追蹤了約300萬個夜晚。 研究發現每次按貪睡鍵平均可延長11分鐘的賴床時間,而重度貪睡者在超過80%的清晨都使用該功能,則每天花約20分鐘在斷斷續續地在醒來與睡眠之間反覆拉扯。每次貪睡並非只按一次,用戶平均按了2.4次,相當於每早驚醒-入睡的回合循環至少兩輪。 貪睡行為在工作日顯著增加,尤其在壓力大的日子裡,人們更難果斷起身。調查還發現,女性比男性更傾向於使用貪睡鍵,瑞典、德國、美國是貪睡率最高的國家。 更有趣的是,這項研究還發現了一類反直覺現象,那些每晚睡眠不足5小時的人反而更少貪睡。研究人員認為,這可能是因為這類人早晨通常面臨不可推卸的責任,如照顧孩子、趕早班車、出門工作等,根本沒有再睡一次的空間。 相反,那些每晚睡眠時間超過9小時的人更傾向於在醒來前貪睡,這可能代表著他們處於補覺階段,或者身體正經歷某種恢復狀態,如感冒、疲勞或心理壓力後的修復反應。 反方觀點 貪睡可能打斷大腦的「黃金修復期」 雖然再睡幾分鐘聽起來像是對自己溫柔以待,但在不少睡眠專家看來,這種習慣可能正悄悄削弱我們最寶貴的睡眠階段。 來自布萊根婦女醫院與哈佛醫學院的睡眠研究者麗貝卡·羅賓斯(Rebecca Robbins)博士團隊指出,清晨即將醒來的階段,是整晚睡眠中最富含快速眼動睡眠(REM)的時段。REM 睡眠不僅與夢境相關,更是情緒調節、學習記憶整合、神經連接重塑的重要時機。 然而,每一次被鬧鐘強行喚醒,再迅速回到淺睡狀態,都會打斷這一過程,讓大腦從高質量的修復期退回到低效率的淺層睡眠。 研究還發現,反覆的貪睡行為會使睡眠節律碎片化,擾亂褪黑素和皮質醇分泌的自然節律,使大腦難以分辨真正的起床信號。起床後即使身體已經醒來,大腦仍像裹在被子裡那樣遲鈍、昏沉,需要更長時間恢復清晰意識。特別是對於那些本就睡眠不足的人來說,貪睡帶來的額外睡眠質量極差,甚至會帶來反效果。 從神經科學角度看,這樣的邏輯並不難理解。大腦在夜間有四至六個完整的睡眠周期,每個周期內都包含非快速眼動睡眠(NREM)和快速眼動睡眠(REM) 階段。貪睡打斷的並非整晚睡眠,而是恰恰最關鍵的最後一段,就像電影看到高潮突然被暫停,自然影響結局體驗。 因此,睡眠專家普遍建議: ·將鬧鐘設在最晚必須起床的時間點。 ·堅持一響就起策略,讓大腦形成明確的喚醒節律。 ·嘗試使用漸亮燈光或柔和聲音的喚醒裝置,減少清晨驚醒帶來的神經衝擊。 正方觀點 適度「貪睡」,可能更利於大腦清醒 雖然多數睡眠專家仍對貪睡持謹慎態度,但越來越多的研究開始重新審視這個行為的複雜性。瑞典斯德哥爾摩大學的睡眠科學家蒂娜·松德林(Tina Sundelin)博士團隊在《睡眠研究雜誌》(Journal of Sleep Research)上發表的一項研究,首次通過實驗室實測,提出了不同觀點:「在合理時間範圍內,貪睡並不會顯著損害認知,反而可能幫助人們更溫和地清醒。」 研究團隊招募了31名重度貪睡者,要求他們在一周內分別完成立即起床與30分鐘貪睡兩種起床模式,並監測其腦電波、唾液皮質醇、反應時間及主觀清醒程度。結果顯示貪睡者總共只減少了約6分鐘的睡眠時間,遠低於人們普遍擔憂的嚴重睡眠浪費;在貪睡組中,大多數人並未出現更高的起床睏倦評分;在多個認知任務上,貪睡組表現略優或無差異,反駁了「貪睡降低清晨效率」的常見說法。 更關鍵的是,研究提出一個有趣的機制假設:貪睡可能幫助大腦從深度睡眠過渡到淺睡,從而減輕睡眠慣性帶來的起床遲鈍。 這就像在跑步前先熱身一樣,通過幾個輕度喚醒階段,讓神經系統逐步啟動,而不是直接從冷啟動切換到全功率運行。在部分人群中,貪睡是一種主觀上「積極調節」的機制,有助於減輕清晨情緒波動與身體不適。 當然,這並不意味著貪睡無害、人人適用。Sundelin 也明確指出:研究樣本為睡眠充足者,且貪睡時間控制在30分鐘以內,若睡眠本身已不足、或貪睡時間過長,可能就無法獲得類似的積極效果。 總結: 貪睡不是簡單的懶惰或自律失敗,它是一種複雜的睡眠調節行為,背後牽涉到大腦喚醒機制、情緒調節與生理節律的多重互動。從目前研究來看,若你本身睡眠充足、貪睡時間不超過30分鐘,適度貪睡未必有害,甚至可能幫助你更平穩地清醒。但若你長期睡眠不足、貪睡頻繁反覆,則可能打亂生理節律,反而加劇疲勞與認知低效。 比起糾結要不要再睡五分鐘,更重要的是你昨晚是否睡得夠好?在一個缺覺的時代,最好的貪睡策略,其實是讓自己早點睡覺、睡眠充足。 來源:「科普中國」微信公眾號
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。
54782
37
2025-12-06 14:26
86132
48
2025-12-06 14:26
46829
48
2025-12-06 14:26
86721
89
2025-12-06 14:26
67251
19
2025-12-06 14:26
16759
92
2025-12-06 14:26
24583
72
2025-12-06 14:26
81524
26
2025-12-06 14:26
97523
26
2025-12-06 14:26
73941
84
2025-12-06 14:26
57346
45
2025-12-06 14:26
15836
15
2025-12-06 14:26
94753
29
2025-12-06 14:26
51473
38
2025-12-06 14:26
84916
87
2025-12-06 14:26
19657
85
2025-12-06 14:26
82319
63
2025-12-06 14:26
81394
46
2025-12-06 14:26
21796
38
2025-12-06 14:26
87954
13
2025-12-06 14:26
41376
75
2025-12-06 14:26
12963
96
2025-12-06 14:26
97346
95
2025-12-06 14:26
13679
83
2025-12-06 14:26
51426
97
2025-12-06 14:26
41267
35
2025-12-06 14:26
48726
17
2025-12-06 14:26
87923
63
2025-12-06 14:26
75281
93
2025-12-06 14:26
76821
39
2025-12-06 14:26
73196
38
2025-12-06 14:26
36452
65
2025-12-06 14:26
38274
91
2025-12-06 14:26
87134
14
2025-12-06 14:26
69752
31
2025-12-06 14:26
61843
63
2025-12-06 14:26
72158
51
2025-12-06 14:26
92817
76
2025-12-06 14:26
45761
89
2025-12-06 14:26
94538
41
2025-12-06 14:26
79261
34
2025-12-06 14:26
86325
45
2025-12-06 14:26
26197
56
2025-12-06 14:26
46218
82
2025-12-06 14:26
42735
31
2025-12-06 14:26
27349
91
2025-12-06 14:26
82536
18
2025-12-06 14:26
25147
79
2025-12-06 14:26
89312
34
2025-12-06 14:26
97842
34
2025-12-06 14:26
71329
65
2025-12-06 14:26
67281
15
2025-12-06 14:26
57149
36
2025-12-06 14:26
| 春雨app直播免费看 | 秀色直播app下载 |
| 香蕉app免费下载 | |
| 六月直播 | 月夜直播在线观看 |
| 迷笛直播 | |
| 97播播 | 小草莓直播 |
| 奇秀直播 | |
| 阴桃直播 | 红杏直播 |
| 荔枝网直播 | |
| 蜘蛛直播 | 极速直播 |
| 免费直播行情网站大全 | |
| 看b站a8直播 | 直播软件下载 |
| 雨燕直播 | |
| 成人性做爰直播 | 香蕉直播 |
| 莲花直播 | |
| 秀色直播app下载安装app | 极速直播 |
| 月夜直播app夜月 | |
| 五楼直播 | 嗨球直播 |
| 绿茶直播 | |
| 魅影看b站直播 | 杏仁直播 |
| 柚子直播 | |