湖北數字經濟發展擴量提質
2025-11-07 06:35 6,532次浏览北京8月4日電 題：最後的故宮文物赴臺押運人：一朝護寶，半生離愁 作者 黃欣欣 1949年，29歲的索予明奉命押運第三批故宮文物赴臺。行前，他送相依為命的母親回湖北老家，一句「回來再接你回南京」的承諾卻成為母子的永別。自此，索予明在寶島走過守護文物的漫長餘生。 回憶這位前輩的採訪過程中，臺北故宮博物院前院長馮明珠數度哽咽，「索公自1941年進入『中央博物院』籌備處，自此與文物相守，從李莊、南京到臺中霧峰北溝，再到臺北，終老於外雙溪故宮宿舍，一生典守文物。」 漫天烽火拼學術 1920年，索予明出生於湖北江陵。抗戰期間，「中央博物院」籌備處及數千箱故宮文物遷移至四川李莊。畢業於同濟大學的索予明因繪圖能力出眾，被「中央博物院」籌備處錄用。 在李莊，索予明與同事們開箱清點、記錄、繪製文物，還策劃展覽、出版導覽手冊。當時，學術調查也未停止，西南民族調查、西北長城考古等研究持續推進。 馮明珠說，渡臺後，索予明常談起在李莊的日子：夜裡沒有煤油，大家擠在茶館借燈光聊天，有人點杯叫「玻璃」的白開水，能坐半夜；月光好時，在張家祠前背《春江花月夜》，誰卡了殼，半夜想起了，便敲開鄰居的門補上。籌備處主任李濟常加入夜談，講述殷墟發掘故事，還把文稿拿來給大家校改，找出錯字或提出意見就獎個雞蛋——在物資匱乏的年代，這是難得的犒賞。 奉命押運，母子永別 1994年，87歲的北京故宮博物院古建專家單士元訪臺，與86歲的臺北故宮博物院文物專家那志良相見。這是1933年故宮文物南遷後兩人首次聚首，他們輪流報出故友名字，得到的回應多是「不在了」。 馮明珠(前排右一)主辦活動為索予明(前排右二)慶賀一百歲生日，邀請近百位臺北故宮博物院同仁參加。 (受訪者供圖) 索予明是最後一位離世的故宮文物赴臺押運人。當年，他告別故土，身上僅帶著一件母親縫製的藍背心和兩枚錢幣。兩岸開放探親後，他返回湖北江陵，卻找不到家。聽同鄉人轉述得知，母親早已離世，親人也多失散了。 20世紀90年代末，索予明(第二排左二)回湖北江陵探親，與同鄉合影。 (受訪者供圖) 「索公當然會覺得難過，」馮明珠說，「但誰都不知道明天會怎麼發展，他們只能奉命，被時代的洪流裹挾著往前走。」 2022年，索予明在臺灣逝世。馮明珠悼念時說：「索公參與了一個時代的文化大事，如今壽終正寢，上天國與思念的母親聚首，應是此生無憾了。」 「典守文物的精神代代相傳」 「索公念茲在茲文物安全，憂心文物再分散，他曾說，希望自己一生對國家、民族做的最有意義的事，千萬別成為錯誤的抉擇。」 馮明珠嘆息，索公未能對母親盡孝，一生對文物盡忠，如果這些文物到最後發生了變化，這是他最不能看到的事情。 2000年，年屆八旬的索予明雙目幾近失明，頭腦依舊清晰，愛聽廣播。他得知，臺灣當局推出旨在展示臺灣和亞洲文化藝術的「故宮南院」計劃，十分擔心中華文化因此被稀釋。 馮明珠強調，兩岸故宮珍藏的是同一源流的中華文明，這一條堅韌的文化臍帶始終連接兩岸。「當初押送文物南遷的故宮人，也將典守文物的精神帶到臺灣。」 馮明珠指出，臺北故宮博物院曾出版書籍《故宮院史留真》、舉辦「北溝傳奇」等展覽；2010年，兩岸故宮學者共同「重走南遷路」；2013年，當時的兩岸故宮院長在北京共同觀看了話劇《海棠依舊》，重溫護寶歲月。「臺北故宮博物院的院史展從未中斷，南遷故事也並未沉寂。」 在馮明珠看來，只要臺北故宮博物院開館一天，就是在傳承、推廣中華文化，臺北故宮博物院的任何變動都會牽動兩岸民眾的心。正如索予明晚年口述：「人事都已改變，但歷史事實是改變不了的，每一件古物都是見證，也是一首史詩。」(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。
秀色直播
「活动」首次登录送新手大礼包
- 软件大小: 573.63MB
- 最后更新: 2025-11-07 06:35
- 最新版本: v15.7.18.15
- 文件格式: apk
- 应用分类:ios-Android 成人性做爰直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 8.47以上
客服热线：137-6548-2159
69
76
18
47238
98
2025-11-07 06:35
82937
13
2025-11-07 06:35
76389
21
2025-11-07 06:35
67421
12
2025-11-07 06:35
82694
18
2025-11-07 06:35
14563
64
2025-11-07 06:35
38461
21
2025-11-07 06:35
29614
12
2025-11-07 06:35
41963
25
2025-11-07 06:35
59238
89254
75
84
69
31726
14239
