（抗戰勝利80周年）為了撐到戰爭勝利：遼源盟軍戰俘營的267天
2025-11-09 18:28 3,498次浏览浙江舟山8月8日電 題：在 「東極島」重溫裡斯本丸事件：中國漁民的英勇應被銘記 作者 張斌 劉子琳 章是一 浙江舟山普陀區東極鎮的青浜島海風獵獵，碧綠色的海水拍擊著岸邊嶙峋的礁石，濺起片片浪花。遠眺海面，83年前，當地漁民救護英軍戰俘的場景仿佛再現眼前。8月8日，取材自二戰時期這段真實歷史的電影《東極島》在中國國內上映。 8月5日，「裡斯本丸」號沉沒和營救海域附近，東極青浜島上已立起東極人民營救英俘遺址碑。 王剛 攝 1942年10月，日軍徵用「裡斯本丸」號押運英軍戰俘，途經舟山海域時被美軍擊中。日軍先是用木板、帆布將戰俘所在的船艙釘死，又在戰俘們跳海逃生時瘋狂掃射，欲嫁禍於美軍。 然而，東極漁民看見了漂浮在海面的人影，當日駕駛46艘木質小漁船，來回65次，在驚濤駭浪中救起384名戰俘。這導致日軍借刀殺人的計劃落空，200多名日軍登島搜查，威脅漁民交出戰俘。 即便如此，仍有三名英軍戰俘被漁民冒死藏在三面臨海、口小腹大的小孩洞中，躲過日軍搜索，後經漁民協助被秘密送往重慶的盟軍基地。 8月4日，參與「裡斯本丸」號營救事件的漁民後代、裡斯本丸營救事件紀念館館長梁銀娣介紹英國人民為感謝東極漁民而創作的畫作。 王剛 攝 近年來，「裡斯本丸」事件的史實逐漸為世人所知，舟山東極不僅建立裡斯本丸營救事件紀念館，當地民眾還以漁民畫的形式呈現當年營救事件。 「館裡收集了一些歷史照片、過去的生活物資、英國人民為感謝東極漁民而創作的畫作等等。」漁民後代、裡斯本丸營救事件紀念館館長梁銀娣介紹，這些年，館裡已收到11位英軍戰俘後代寄來的感謝信。 今年5月20日，18位英軍戰俘後代代表登上青浜島，向「東極漁民營救英俘紀念碑」敬獻花圈。 紀念碑以銅鑄造，鐫刻的兩隻大手緊緊相握，一如83年前勇敢的舟山東極漁民伸手拉住了落水遇險的英軍戰俘。「東極漁民冒著生命危險從怒海驚濤中勇救384名英軍戰俘，世界反法西斯戰爭中凝結的中英人民情誼永不褪色。」紀念碑上如是寫道。 5月20日，英軍戰俘後代代表向「東極漁民營救英俘紀念碑」敬獻花圈。 (舟山官方供圖) 「或許，這其中一隻手就是我父親的。」英軍戰俘倖存者後代丹尼斯·維尼(Denise Elizabeth Wynne)在現場聲音哽咽，「那些勇敢的漁民冒著生命危險出海營救戰俘，面對日本人的槍口毫不退縮。」 在丹尼斯·維尼眼中，這塊石碑不僅是歷史的見證，更是一種堅定的象徵，「它記錄了東極漁民的英勇，這件事應該被銘記」。 「這不僅僅是關於英國和中國的事情。這關乎人性、人類、愛與同情。」英國「裡斯本丸」紀念協會主席安東尼·瓊斯(Anthony Glyn Jones)曾表示，在最黑暗的時刻，人類的善意依然閃耀。 《東極島》導演管虎受訪時表示，中國人在世界反法西斯戰爭中發揮了重要作用，東極島的故事只是其中的一個側面。如今有人在篡改歷史，這比遺忘更可怕。電影的意義，就是起到警示作用。(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。
97播播
「活动」首次登录送新手大礼包
- 软件大小: 854.85MB
- 最后更新: 2025-11-09 18:28
- 最新版本: v2.16.6.15
- 文件格式: apk
- 应用分类:ios-Android 花蝴蝶app直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.13以上
客服热线：138-7189-1628
19
23956
38
93425
65
2025-11-09 18:28
45182
24
2025-11-09 18:28
63418
45
2025-11-09 18:28
28917
68
2025-11-09 18:28
56892
94
2025-11-09 18:28
69748
45
2025-11-09 18:28
34695
58
2025-11-09 18:28
96873
81
2025-11-09 18:28
75432
83
2025-11-09 18:28
34
56479
71
23985
93541
97158
63
94
79
29
53692
