迴響丨一起說聲謝謝
2025-10-26 07:30 8,931次浏览默達 最近，在深圳華強北的電子市場裡，出現了一群代送外賣的「小孩哥」「小孩姐」。趕時間、不熟路的外賣員掃碼支付2元錢，就可以請他們幫自己送上樓。 初次看到這則新聞，許多人的第一反應是「還不錯」。配送的最後100米一直是個難題，高樓大廈複雜的環境、等電梯、過門禁帶來的重重阻隔，讓消費者和外賣員都挺心累。通過代送外賣，孩子們賺到了一筆零花錢，體驗了勞動的艱辛，鍛鍊了與人打交道的能力；父母本來還發愁孩子假期沒事幹、宅在家裡玩手機，正好帶著孩子體驗生活；外賣員也避免了超時被扣錢。 也有人關注到背後的責任歸屬問題。孩子們的人身安全如何保障？食品轉手後會不會被開封？還有人想得更遠——擔心有人將孩子們的「職業體驗」變成僱傭童工牟利。「出了事情，誰來負責任？」 支持和反對的聲音都有道理，法律層面的科普和提醒更是十分及時。但在這件事上，倒不必急著潑冷水。 首先，孩子代送外賣目前仍是個例。比如，多數「小孩哥」「小孩姐」的父母就在附近乃至樓上做生意，在這繁忙的街區「上躥下跳」或許就是生活日常。又比如，這門「生意」並非一兩天就能做起來的，一定程度上贏得了用戶和外賣員雙方的信任，其中也有父母陪同、熟人環境的支撐。忽略實際情況一味談追責，反而可能落空。 其次，完全規避風險並不現實。誰小時候沒有過幫父母下樓買醬油的經歷呢？為了「動之以利」，家長常常多給五角一元，讓孩子挑選喜歡的零食。從這個角度出發，代送外賣不過是將僱主變為了陌生人，將偶然行為變成了孩子自主搶單。風險確實增大了，但還沒到要動用法律和輿論去解決的程度。如今的外賣行業，對比幾年前，有食品安全封籤，有售後評價機制，消費者、騎手、商家、平臺之間形成了相對的平衡，這是市場調節的作用。若是孩子確實難以勝任，或是消費者和騎手都不放心，自然會從兩頭壓縮其運營空間，也就變相達到了控制風險的目的。 暑期如何帶娃，確實是當下困擾許多父母的難題——鎖在家裡，擔心孩子沉迷電子產品，遠離社會長不大；走出門去，又抱怨社會實踐太單調，照顧不及出危險；更令人發愁的是，部分孩子缺乏能動性，「幹啥都提不起興趣，只是聽安排」。如此看來，最近頻上熱搜的「能娃」們，無論是開闢跑腿新業務，還是在沙灘賣鏟子小桶賺到千元，又或是親自上陣擺攤炒飯、幫路人製作小雪人等，雖不提倡盲目模仿，但值得更多善意與肯定。 我們中的許多人，是讀著「外國小孩幫街區送牛奶」「成功家長獎勵孩子做家務」「企業家兒時賣報擦鞋」等教育雞湯長大的，如今，孩子們通過主動觀察生活，找到了新的商機，難道不是件令人高興的事情嗎？父母以及外賣員等相關人士，不妨為興奮奔跑的孩子們留出些安全空間，更好為他們的成長負責。
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。
黄播
「活动」首次登录送新手大礼包
- 软件大小: 697.49MB
- 最后更新: 2025-10-26 07:30
- 最新版本: v3.6.2.14
- 文件格式: apk
- 应用分类:ios-Android 魅影5.3直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.21以上
客服热线：133-1246-1258
美女直播app类似软件
猜你喜欢
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
-
2025-10-26 07:30
65321
95418
84
2025-10-26 07:30
38761
39
2025-10-26 07:30
94381
91
2025-10-26 07:30
94381
67
2025-10-26 07:30
98432
62
2025-10-26 07:30
17482
86
2025-10-26 07:30
59416
68
2025-10-26 07:30
16839
98
2025-10-26 07:30
91547
73
2025-10-26 07:30
47289
85
2025-10-26 07:30
72461
87459
56
63
63
32587
58
64357
61
51
76289