智能家居時代網警守護「家」的安全
2025-11-01 19:45 3,572次浏览上海8月8日電 題：馮玉祥將軍曾外孫：站在烽火遺址上，回望與傳承 作者 範宇斌 「每次見到那些鐫刻著彈痕的抗戰遺址，指尖撫過被歲月磨蝕的磚石，我的思緒總會穿越到那個山河破碎的年代，回到曾外祖父與千萬同胞共赴國難的身影裡。」近日，愛國將領馮玉祥曾外孫、上海市靜安區政協委員、上海市青年聯合會委員李也川在上海接受專訪時說。 抗戰時期，馮玉祥積極促進抗日愛國力量的發展，參與「福建事變」，調停西安事變，出任國民革命軍第二集團軍總司令、察哈爾民眾抗日同盟軍總司令、國民政府軍事委員會副委員長等職，呼籲團結抗戰。 「1931年九一八事變後，在泰山隱居的曾外祖父依舊日夜牽掛前線。當時他雖無兵權，卻以筆為槍，寫下《我所認識的蔣介石》等檄文，痛斥不抵抗政策。1933年，他在張家口組建察哈爾民眾抗日同盟軍，僅用一個多月就收復多倫等四縣，創下九一八事變以來中國軍隊首次從日軍手中收復失地的戰績。」李也川回憶道，他曾在同盟軍舊址見過一張泛黃的照片，「曾外祖父穿著與士兵同款的粗布軍裝，站在寒風裡演講，身後『還我河山』四個大字遒勁有力，那雙眼睛裡的焦灼與堅定，至今看來仍讓人心頭震顫」。 1937年全面抗戰爆發，馮玉祥主動請纓上前線，奔走鄂湘桂川等地督戰、宣傳。「在長沙嶽麓山的一處戰壕遺址，講解員曾跟我講起，當年曾外祖父在這裡給士兵講話，沒有稿子，只說『咱們當兵的，腳下是祖宗的地，身後是家裡的人，退一步就是亡國奴，拼了命也要把鬼子趕出去！』他始終倡導『兵民是勝利之本』，那些由他推動建立的敵後武裝，後來成為抗擊日軍的重要力量。」李也川說。 2025年2月，愛國將領馮玉祥曾外孫李也川參訪位於重慶的中國民主黨派歷史陳列館，了解曾外祖父事跡。 受訪者供圖 2025年是中國人民抗日戰爭暨世界反法西斯戰爭勝利80周年，李也川前往重慶合川釣魚城遺址，站在當年軍民共同堅守的城牆上，重溫曾外祖父1943年在此視察時的話語：「抗戰不是哪一個人的事，是全中國人的事。官要愛兵，兵要愛民，軍民一條心，黃土也能變成金。」 「曾外祖父在徐州慰問傷員時，將自己的乾糧分給斷臂士兵，還叮囑副官『一定要讓傷兵吃熱飯、有藥治』。這些細節折射出他『真愛民，不擾民』的治軍理念，更詮釋了軍民魚水情如何鑄就抗戰長城。」在李也川看來，這些或許不如戰役戰績那般轟轟烈烈，卻藏著曾外祖父救國救民的初心。 「曾外祖父始終堅守抗戰為民、為國奉獻的底線，他與抗戰的故事早已融入家族記憶。」對於李也川而言，抗戰遺址是歷史的見證，更是連接著家族血脈與民族精神的紐帶。「近年來，家中長輩牽頭整理家族抗戰史料，試圖打撈更多被遺忘的歷史片段，希望讓更多人明白和平來之不易。」 歷史留給李也川的是一份沉甸甸的責任，既要讀懂歷史的厚重，更要思考如何讓先輩精神在當下落地生根。李也川說：「先輩用血肉換來和平，我們年輕一代應銘記歷史、珍惜和平，傳承先輩以家國為己任、以民生為根本的精神，答好屬於我們這代人的『民生卷』和『報國卷』，才是對先輩最好的告慰。」(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。
妖精直播
「活动」首次登录送新手大礼包
- 软件大小: 417.26MB
- 最后更新: 2025-11-01 19:45
- 最新版本: v2.8.19.2
- 文件格式: apk
- 应用分类:ios-Android 橙色直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.79以上
客服热线：134-5891-7326
巧克力直播类似软件
猜你喜欢
73942
23
2025-11-01 19:45
78146
83
2025-11-01 19:45
81592
37
2025-11-01 19:45
86192
38
2025-11-01 19:45
98217
69
2025-11-01 19:45
43781
72
2025-11-01 19:45
63975
79
2025-11-01 19:45
86571
54
2025-11-01 19:45
58672
31
2025-11-01 19:45
19238
64
2025-11-01 19:45
95784
51
2025-11-01 19:45
13
26874
34
81
89315
71
36718
68
92184
96743
23674