大熊貓「芝士」「芝麻」北上落戶哈爾濱太陽島
2025-10-28 21:57 9,273次浏览當極端高溫席捲全球，「智慧大腦」將如何守護城市的正常運轉？8月7日，在上海海納工程院主辦的「全球高溫韌性服務（Global Heat Resilient Service，GHRS）」項目研討會上，地球觀測組織（Group on Earth Observations，GEO）、C40城市氣候聯盟代表，以及相關科研院所、企業單位的專家學者齊聚海納小鎮，圍繞高溫治理展開深入交流。據了解，普陀區也將參與該項目的實踐探索。構建高溫治理「試驗田」GEO項目協調官Martyn Clark指出，全球高溫治理已迫在眉睫——到2050年，全球約13億城市居民或將面臨極端高溫威脅。「中國是高溫問題與快速城市化並存的典型代表。人口密集使高溫暴露風險顯著上升。在上海等城市，市中心溫度可能較郊區高3℃以上。」GEO成立於2005年，是目前地球觀測領域規模最大的政府間多邊合作組織，現有117個成員國（含116個國家和歐盟）及157個參與組織。作為GEO牽頭的新倡議，GHRS項目旨在融合GEO衛星遙感數據、城市熱力圖譜及人口流動實時信息，構建全球多維度高溫預警系統，為城市提供高溫風險評估、決策支持及行動方案。作為項目的積極參與者，普陀區將依託海納小鎮數字創新生態，強化數據要素與氣候治理的乘數效應，突出數據賦能、智慧研判、科學布局、綜合規劃，積極應對城市運行韌性挑戰、極端高溫預警、生態環境監測等。籤署合作協議GEO協調全球觀測數據，海納工程院負責基於城市智能引擎開發GHRS智能服務，阿里雲提供人工智慧與雲計算支撐，地方氣象部門整合實時氣候信息，城市規劃、建設、運行等部門以及社區和醫院等提供應用場景……項目將通過整合政府、企業及研究機構資源，構建跨領域協作機制，探索可向全球其他城市推廣的「普陀經驗」。Martyn透露，未來兩年，GEO還將在全球10個城市推進GHRS項目試點。此外，項目落地將為長三角企業和機構搭建展示與合作交流平臺，助力各方打造應對全球極端高溫的典型數位化場景及產品，實現技術服務和創新成果出海。共享高溫韌性治理經驗從衛星影像捕捉城市熱島效應下停車場的地表溫差，到通過全球儲油罐陰影推算能源流動，人類對地球的認知正被不斷重塑。而這一切的背後，是城市數據要素的持續積澱與高效流通。中國工程院院士王堅在演講中強調：「自然資源的便捷獲取是城市發展的基礎，而數據資源，正是另一種意義上的自然資源。」研討會上，C40城市氣候領導聯盟代表分享了國際城市在高溫韌性建設中的實踐與協作經驗；之江實驗室總科研管理部部長李順斌介紹了三體計算星座基礎設施；海納工程院、華東師範大學、成都市規劃設計研究院、上海市氣象局、普陀區中心醫院、中海地產、上海建科院、上海智慧城市發展研究院、上海科學智能研究院、延華智能集團等機構的代表，也結合各自領域，分享了對高溫韌性建設的思考與實踐成果。會議特別設置圓桌討論環節，與會者通過梳理現狀、描述個人決策情景、分析共性問題與需求，深入探討如何構建跨部門協作與決策支持工具，推動數據向政策行動轉化。例如，在商業街區推廣降溫技術、在交通樞紐部署實時預警系統等，讓市民切實感受到治理成效。「當城市從文明的搖籃蛻變為生態的挑戰場，系統性創新便成為生存的必然選擇。」以數據為「鑰匙」、科技為「舟楫」，這場研討會正為超大城市探索與自然共生的新路徑。
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。
月夜直播
「活动」首次登录送新手大礼包
- 软件大小: 214.92MB
- 最后更新: 2025-10-28 21:57
- 最新版本: v16.8.13.14
- 文件格式: apk
- 应用分类:ios-Android 月夜直播在线观看
- 使用语言: 中文
- : 需要联网
- 系统要求: 1.28以上
客服热线：136-6145-7248
95827
56
92738
74329
81
74168
42
2025-10-28 21:57
63452
15
2025-10-28 21:57
75263
83
2025-10-28 21:57
86392
53
2025-10-28 21:57
54137
49
2025-10-28 21:57
21964
13
2025-10-28 21:57
69287
63
2025-10-28 21:57
45197
16
2025-10-28 21:57
29375
21
2025-10-28 21:57
35
26
12653
21
74189
57843
64817
12859
51
74986
12
53269