新華社成都8月9日電(記者肖亞卓、高萌)「不、不、不……我可捨不得(把徽章)送人。」在成都世運會體育舞蹈拉丁舞項目奪冠後,德國名將莫申斯卡捧著金牌笑著說,像個護著心愛玩具的小孩。 8日晚在城北體育館進行的世運會拉丁舞比賽中,莫申斯卡與搭檔巴蘭毫無懸念地奪得冠軍。在多次拿到世錦賽、歐錦賽以及德國國內的賽事冠軍後,這次奪冠為他們本就星光熠熠的職業生涯又增添了濃墨重彩的一筆。 除了冠軍的榮耀之外,讓這對組合格外珍惜的還有那枚別具匠心、充滿成都當地元素的「竹光」獎牌。 「(這枚獎牌)很特別,你可以打開它,上面寫有The World Games,還有熊貓的形象,這就非常有紀念意義,因為它體現了這座城市的文化,我們帶走的不僅是金牌,也是關於這座城市的美好回憶。」莫申斯卡說。 這枚「竹光」最引人注目的突破在於內部結構的設計——向左翻開獎牌正面,有一枚獨特的金屬徽章,徽章一面是靈動的川金絲猴「錦仔」,另一面是太陽神鳥環繞成都世運會標識。這一巧思生動詮釋了「分享」的理念,獲獎者可以將徽章取下,贈予家人或朋友,讓榮譽與喜悅傳遞延續。 當被問到有沒有想好要把這枚徽章送給誰時,莫申斯卡立刻搖頭,「我可捨不得。」轉念一想,她又說:「不過我倆生活在一起,可能只留一枚徽章也可以,也許我們會(將一枚徽章送人)。」 這時,搭檔巴蘭接過話茬,笑著說他非常重視青年舞者的成長,喜歡看到年輕人不斷進步、讓體育舞蹈觸及更多領域。「如果有機會送出去,我們會選一個不錯的賽事或者項目,或者送給我們看好的年輕舞者,讓這份榮譽去激勵他們。」 對於中國,巴蘭與莫申斯卡充滿親切感。兩人笑著告訴記者,他們來中國可能已經有「50次」。不僅是參賽,也進行過表演和教學。2024年無錫舉行的拉丁舞世錦賽上,他們第四次奪冠,成為這項賽事歷史上奪冠次數最多的組合。 「成都我們也已經來了很多次,感覺這是一座可以帶給我們幸運的城市。」巴蘭說,「我們在這裡總能感受到觀眾的熱情和喜愛,這也讓我們跳得更放鬆、更投入。」 本屆世運會,中國隊組合閻棒棒/杜玉君歷史性地進入決賽,最終以微弱劣勢位居第四名,距離領獎臺僅有一步之遙。巴蘭和莫申斯卡看到了中國體育舞蹈近些年的快速進步,也樂於見到有更多的中國舞者帶給世界舞臺新的活力與驚喜。 「巧合的是,閻和杜在德國的舞蹈老師也是我們的舞蹈老師,所以我們很有淵源。我們看到了他們這些年的進步,也希望未來他們能繼續實現這樣的突破,用他們的舞蹈去打動世界。」巴蘭說。
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。
97681
58
2025-12-03 14:43
56982
98
2025-12-03 14:43
32671
85
2025-12-03 14:43
71496
48
2025-12-03 14:43
27163
59
2025-12-03 14:43
58472
52
2025-12-03 14:43
53824
81
2025-12-03 14:43
56437
23
2025-12-03 14:43
82649
36
2025-12-03 14:43
34592
73
2025-12-03 14:43
78564
86
2025-12-03 14:43
95814
92
2025-12-03 14:43
76285
14
2025-12-03 14:43
87321
18
2025-12-03 14:43
29763
38
2025-12-03 14:43
28431
73
2025-12-03 14:43
85632
51
2025-12-03 14:43
54627
49
2025-12-03 14:43
54162
82
2025-12-03 14:43
67145
36
2025-12-03 14:43
74819
48
2025-12-03 14:43
51439
78
2025-12-03 14:43
16725
71
2025-12-03 14:43
48391
65
2025-12-03 14:43
89154
41
2025-12-03 14:43
87912
24
2025-12-03 14:43
75291
15
2025-12-03 14:43
96437
37
2025-12-03 14:43
25983
87
2025-12-03 14:43
42835
61
2025-12-03 14:43
51734
29
2025-12-03 14:43
17869
69
2025-12-03 14:43
75621
72
2025-12-03 14:43
15496
25
2025-12-03 14:43
26873
73
2025-12-03 14:43
59263
36
2025-12-03 14:43
34627
61
2025-12-03 14:43
49573
69
2025-12-03 14:43
45129
45
2025-12-03 14:43
96184
18
2025-12-03 14:43
95846
56
2025-12-03 14:43
31298
26
2025-12-03 14:43
35971
89
2025-12-03 14:43
45387
27
2025-12-03 14:43
85142
15
2025-12-03 14:43
41625
81
2025-12-03 14:43
67518
32
2025-12-03 14:43
53819
64
2025-12-03 14:43
52738
19
2025-12-03 14:43
69437
71
2025-12-03 14:43
47523
84
2025-12-03 14:43
34695
59
2025-12-03 14:43
71823
62
2025-12-03 14:43
| 荔枝直播 | 曼城直播 |
| 红杏直播 | |
| 免费真人视频网站直播下载 | 金桔直播 |
| 橘子直播 | |
| 免费直播行情网站 | 极速直播 |
| 绿茵直播 | |
| 黄播 | 婬色直播 |
| 魅影app免费下载安装 | |
| 秀色直播app下载安装app | 美女直播 |
| 香蕉app免费下载 | |
| 花儿直播 | 雨燕直播 |
| 魅影视频 | |
| 杏仁直播 | 红桃直播 |
| 苹果直播 | |
| 奇秀直播 | 深夜直播 |
| 魅影直播游客免登录 | |
| 桃花直播 | 鲨鱼直播 |
| 直播全婐app免费 | |
| 山猫直播 | 彼岸直播 |
| 魅影直播游客免登录 | |