從「情緒價值」的流行看當代青年的社會心理訴求
2025-10-28 11:31 1,516次浏览成都8月14日電 題：中國青少年競速「空中F1」：青春在熱愛中飛翔 作者 王利文 成都世運會無人機競速14日開賽，閃爍LED燈的無人機如離弦的箭衝出起點，速度對決在夜色中上演。13歲的中國選手李甜星頭戴顯示器，身體微傾，手指在操控杆上急速跳動；觀眾屏息凝神，目光追隨運動員第一視角直播大屏。 有「空中F1」之稱的無人機競速運動，將科技與競技張力拉至極致：賽道設44個障礙門，最高時速可達300公裡的無人機需在3分鐘內完成3圈飛行，選手毫釐偏差、瞬間遲疑即定勝負。今年這項運動第二次亮相世運會，全球20個國家和地區的31名頂尖飛手齊聚成都，在融入大熊貓、竹林等四川元素的賽道上展開三日角逐，爭奪唯一金牌。夜間賽事中，無人機燈帶隨軌跡點亮夜空，為這項未來感運動再添視覺震撼。 中國隊派出三位廣州小將組成「青春戰隊」：17歲的何雨瞳是中國女隊頭號種子選手，18歲的黃悅祺穩居國內男子排名榜首，而13歲的李甜星不僅是該項目最年輕選手，也是世運會近4000名參賽者中年紀第二小的「明日之星」。 8月13日，參加成都世運會無人機競速的中國選手黃悅祺在調試設備。陳選斌 攝 「我第一次飛基礎機時簡直『菜到不行』，現在每天要練100多塊電池。」從6年前在學校俱樂部接觸到該運動，到如今輾轉全球參賽，比賽中「既緊張又興奮」的感受吸引著李甜星。「起飛鈴響，看著別人的飛機緊隨其後，那種壓力下的快樂太難忘了。」雖坦言經驗不足，她眼神卻很堅定：「就算最後一名也能學到東西，目標先衝16強！」 何雨瞳接觸無人機7年，也見證這項運動走向更多國際賽場。這次世運之旅，對她而言更是彌補無人機競速世錦賽失利的徵途。「去年世錦賽本該和隊友包攬冠亞軍，卻因兩機碰撞將獎牌拱手讓人。」她語氣略帶遺憾，卻更添鬥志，「這次再遇老對手，我要證明自己能贏。」即將升入高三的她，訓練之餘已規劃好未來，希望能從事無人機相關應用或科研工作。 18歲的黃悅祺今年考入中國民用航空飛行學院飛行器製造工程專業，即將在四川開啟大學新徵程的他希望將操控技巧與專業知識結合。「我從小就是速度迷，無人機就是『空中賽車』！」他兩個月來每日刻苦訓練，反覆調試設備參數：「目標前八，我已調整至最佳狀態。」 8月13日，參加成都世運會無人機競速的中國選手何雨瞳在調試設備。陳選斌 攝 中國無人機競速國家隊總教練李曦東介紹，隊伍在江門、成都集訓了35天，針對成都賽道高難度特點專項打磨。見證了這項運動從十年前參與者寥寥無幾到如今蓬勃發展的他，認為反應與學習能力處於巔峰的青少年是該項目最佳代言人：「珠三角產業集群帶動人才培養，如今西部也有了訓練基地，世運會落地成都必將讓更多人愛上它。」 夜幕下的賽道魅力愈顯，無人機燈光劃出優美弧線，操控臺前年輕身影全神貫注。何雨瞳道出隊友們的心聲：「我們希望與這項新興運動共成長，讓更多人看見無人機競速的魅力，盼望有一天它能登上奧運舞臺。」(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。
阴桃直播
「活动」首次登录送新手大礼包
- 软件大小: 358.94MB
- 最后更新: 2025-10-28 11:31
- 最新版本: v2.7.16.8
- 文件格式: apk
- 应用分类:ios-Android 河豚直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.37以上
客服热线：139-3965-5147
成人直播app推荐免费类似软件
猜你喜欢
49163
34716
34
2025-10-28 11:31
15796
96
2025-10-28 11:31
58713
69
2025-10-28 11:31
98356
16
2025-10-28 11:31
73492
48
2025-10-28 11:31
91635
63
2025-10-28 11:31
76358
69
2025-10-28 11:31
76348
91
2025-10-28 11:31
61935
76
2025-10-28 11:31
54861
38
2025-10-28 11:31
16729
53
2025-10-28 11:31
25
67851
74
39568
13625
89352
35
36458
39
21