山東省防汛抗旱指揮部啟動防汛四級應急響應
2025-10-31 09:47 6,218次浏览昆明8月11日電 (記者 韓帥南)記者11日從雲南省林業和草原局獲悉，2025年以來，該局在全面調查基礎上，按照穿山甲在雲南的分布區和潛在分布區，將雲南4個國家級自然保護區和2個省級自然保護區確定為雲南省穿山甲監測單元，並對穿山甲種群數量、棲息地質量及其威脅因素等開展長期、系統監測，已初步建立穿山甲保護監測體系。 雲南拍攝到馬來穿山甲活動影像。雲南省林草局 供圖 穿山甲又名鯪鯉，隸屬於哺乳綱、鱗甲目、鯪鯉科，全球共3屬8種，其中亞洲4種(馬來穿山甲、中華穿山甲、印度穿山甲和菲律賓穿山甲)，非洲4種(樹穿山甲、長尾穿山甲、大穿山甲和南非穿山甲)。為進一步加強對穿山甲物種保護，2017年瀕危野生動植物種國際貿易公約(CITES)將全球8種穿山甲從附錄Ⅱ提升到附錄Ⅰ。2020年國家林業和草原局將穿山甲所有種提升為國家一級保護野生動物。中國境內有2種穿山甲分布，其中中華穿山甲分布範圍較廣，馬來穿山甲僅分布於雲南省狹小區域。 2023年至2024年，雲南省林業和草原局委託西南林業大學牽頭組成技術團隊對雲南可能有穿山甲分布的36個區域，包括31個保護區、3個林場和2個鄉鎮集體林區開展了穿山甲資源調查。調查顯示，雲南省內分布有中華穿山甲和馬來穿山甲。其中，中華穿山甲主要分布於西雙版納、納板河流域、南滾河3個國家級自然保護區和太陽河、銅壁關2個省級自然保護區，以及文山壯族苗族自治州西疇縣等區域；馬來穿山甲主要分布於銅壁關省級自然保護區。 2025年，在全面調查基礎上，雲南省林業和草原局根據國家林業和草原局建立全國性珍稀瀕危野生動植物監測體系要求，按照穿山甲在雲南的分布區和潛在分布區，將雲南西雙版納國家級自然保護區、納板河流域國家級自然保護區、雲南南滾河國家級自然保護區、雲南烏蒙山國家級自然保護區等4個國家級自然保護區和銅壁關省級自然保護區、太陽河省級自然保護區2個省級自然保護區確定為雲南省穿山甲監測單元。 該局通過設立固定監測樣線，架設監測設備，培養監測隊伍，對穿山甲種群數量、棲息地質量及其威脅因素等開展長期、系統監測。截至2025年6月，西雙版納保護區監測單元5臺紅外相機拍攝到中華穿山甲活動影像，發現新鮮洞穴23個；納板河保護區監測單元4臺紅外相機拍攝到中華穿山甲活動影像，發現新鮮洞穴37個；南滾河保護區監測單元發現新鮮洞穴5個；銅壁關保護區監測單元7臺紅外相機拍攝到中華穿山甲活動影像，發現新鮮洞穴97個。同時，3臺紅外相機拍攝到馬來穿山甲活動影像，發現新鮮洞穴2個。 雲南拍攝到中華穿山甲活動影像。雲南省林草局 供圖 建立穿山甲保護監測體系，是雲南對瀕危野生動物保護持續發力、久久為功的具體實踐。雲南作為國內唯一的馬來穿山甲分布區，開展穿山甲物種及其棲息地保護對中國穿山甲保護意義重大。下一步，雲南省林業和草原局將繼續聯合相關保護和科研機構，持續推進穿山甲監測和保護研究工作，促進雲南穿山甲種群恢復。(完)
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。
飞速直播
「活动」首次登录送新手大礼包
- 软件大小: 613.14MB
- 最后更新: 2025-10-31 09:47
- 最新版本: v11.19.11.10
- 文件格式: apk
- 应用分类:ios-Android 直播黄台app凤蝶
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.34以上
客服热线：133-6328-1569
桃花app类似软件
猜你喜欢
87932
27
63947
38
2025-10-31 09:47
71495
72
2025-10-31 09:47
25964
86
2025-10-31 09:47
62379
27
2025-10-31 09:47
67924
35
2025-10-31 09:47
53984
23
2025-10-31 09:47
21583
31
2025-10-31 09:47
94137
75
2025-10-31 09:47
27486
64
2025-10-31 09:47
46153
12
2025-10-31 09:47
95247
32
2025-10-31 09:47
75
34795
28419
53
78346
21
84951
47286
93167
15983
96
15