蔣介石在抗戰中的作用
2025-10-24 06:01 4,312次浏览如果一個運動員既能參加奧運會，又能參加世運會，那一定是件幸福的事。 在中國代表團中，就有這樣一位幸福的運動員，她就是中國體操界的「不老松」——商春松。 商春松14歲就進入中國體操國家隊，17歲參加體操世錦賽。2016年里約奧運會，她以隊長身份和隊友一起獲得體操女團銅牌，次年，她宣布退役。2022年，26歲的她選擇重新出發，開始接觸跑酷運動。僅僅用了兩年時間，她就先後在2024年的法國跑酷世界盃和日本跑酷世錦賽中，奪得女子自由式冠軍，為中國跑酷隊斬獲世界盃和世錦賽的首枚金牌。 如果商春松在成都世運會再次獲得冠軍，她就將獲得跑酷運動的大滿貫。這是她的目標，但並非唯一訴求，「等有一天退役了，我想要將跑酷運動推廣到大學校園裡。當然，我更希望跑酷有一天能夠進入奧運會。」 這是商春松的夢，因為世運會，她的夢想正慢慢照進現實。 商春松也是無數體育人的代表，她能成就傳奇般的體育生涯，固然有個人努力追夢的因素，但也離不開世運會這個競技平臺的激勵和塑造。對於個體命運的審視，可能會讓我們更清晰地洞察世運會存在的價值。 世運會從一誕生起，就被視為對奧運會的補充，非奧項目成為它的重要標籤。 不過，世運會從來就不是奧運會的附庸，而自有其獨特的價值。他們各美其美，共同演繹了體育對於人的價值和意義。 比如一些小眾項目進入世運會，就提醒人們，體育是多姿多態的，它們都需要展示和交流的平臺。每個體育項目也是平等的，沒有高低貴賤之分，只有喜歡不喜歡，適合不適合之別。 參差多態乃幸福之源，人生如此，體育亦如是。世運之美，美在多態。 再如世運會強調參與價值和分享的理念，對獎牌的材質、規格沒有統一規定，每屆設計都能「玩出花」。成都世運會獎牌「竹光」採用「開口」樣式，內含一枚可雙面佩戴的金屬徽章，還能連接項鍊使用。獲獎運動員可將徽章從獎牌中取出，贈予對自己重要的人。 當獎牌不僅是榮譽的象徵，還能成為情感傳遞的載體，這樣的體育盛會更能直達人心，更能顯示體育的溫度。世運之美，美在分享。 世運會除了吸納職業運動員外，部分群眾基礎廣、門檻低的項目允許非職業選手或「跨界愛好者」參與，盡顯「全民體育」理念。世運之美，美在包容。 此外，世運會部分項目的裁判機制更強調「運動員自治」。以成都世運會的團隊飛盤項目為例，這是一項自我裁判且無身體接觸的運動，「飛盤精神」指導運動員如何自我裁判以及規範自身行為。如出現了犯規或爭議，由雙方場上隊員商議解決。世運之美，美在尊重與平等。 如果說奧運會像劍拔弩張的競技場，世運會則更像一場體育嘉年華，展示和表演色彩更濃，趣味性也更強。世運會的舉辦告訴人們，體育的價值不僅在於追求卓越，還有樂趣、熱愛、平等和人性的溫度，以及體育帶給人們的無限可能。 世運會給商春松的人生帶來了更多的可能性，這和體育給予普通人的改變與塑造，沒有本質的不同。世運會的存在和發展，就是在給世人傳遞著一種重要的價值觀：體育不是少數精英的遊戲，它屬於所有人。
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。
凤蝶直播
「活动」首次登录送新手大礼包
- 软件大小: 481.18MB
- 最后更新: 2025-10-24 06:01
- 最新版本: v15.13.16.2
- 文件格式: apk
- 应用分类:ios-Android 心动直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.56以上
客服热线：134-4812-9861
38542
45
2025-10-24 06:01
71462
26
2025-10-24 06:01
16732
32
2025-10-24 06:01
13846
38
2025-10-24 06:01
84216
17
2025-10-24 06:01
24659
16
2025-10-24 06:01
23648
32
2025-10-24 06:01
57192
65
2025-10-24 06:01
86513
15
2025-10-24 06:01
62
58
92367
26598
41635
45
64321
92461
19348
34195
63