（抗戰勝利80周年）香港市民緬懷抗日英烈
2026-03-17 22:15 7,261次浏览■本報記者 吳雨倫 中國飛盤隊今日完成了世界運動會歷史首秀，在團隊飛盤項目中以8比13憾負德國隊。近年來飛盤運動在中國從校園社團悄然興起，經歷了城市俱樂部遍地開花的繁榮，最終從街頭走向國際賽場——這支由職員、老師、學生等組成的中國隊就是最真實寫照。 25歲的李鑫今年6月剛畢業於成都大學，9月將成為德陽市一所小學的體育老師。他至今記得2018年那個夏天。在成都大學的軍訓操場上，師兄們手中的飛盤令他十分好奇。「我試玩了一次，就徹底迷上了。」彼時的他不會想到，七年後自己會身披國家隊戰袍，站上世運會賽場。 飛盤運動起源於上世紀60年代的美國，1989年德國卡爾斯魯厄世運會，團隊飛盤首次作為邀請項目亮相，此後在2001年秋田世運會上成為正式項目。中國隊此前從未出戰，只因國內的飛盤運動起步較晚，就在七年前，還只是一項小眾運動。 李鑫加入成都大學飛盤社團時，整個社團僅20多人，身邊多數同班同學都對這項運動感到陌生。第一次在校園組織飛盤體驗活動時，半天下來只吸引了寥寥數人。如今，這個社團已發展到近百人規模，就連以前不理解他的朋友，也經常在朋友圈裡曬飛盤運動時的照片。 國家隊選手周安琪與飛盤的緣分始於2021年，那正是飛盤運動憑藉低門檻、強社交的特點成為都市青年運動新寵的階段。當時在運動品牌公司工作的她，偶然接觸到上海滬蛙飛盤俱樂部，瞬間被這項運動吸引。「有一個機會讓所有人在同一片場地爭奪飛盤，共享一塊盤，還能打破性別壁壘，這項運動太酷了。」 作為打工人，周安琪需要在工作與訓練間艱難平衡。她平時利用下班後和周末的時間訓練。她坦言，業餘運動員難免要面對「賺錢養家」與「追逐夢想」的矛盾，但她「願意這樣為愛折騰」。公司的支持更是讓她心懷感激：「我必須要感謝我的老闆，她給了我假期讓我有機會參加世運會，這份理解也是我堅持的動力。」 去年通過選拔進入中國飛盤隊，如今在世運會的舞臺上代表中國出戰，周安琪深知意義非凡：「這是飛盤被更多中國人看到的機會，能讓大家知道它是熱血、正規的運動。」目前，周安琪所在飛盤俱樂部的成員大部分是與她年齡相仿的都市打工人，這正是近年來飛盤運動在國內群眾基礎持續擴大的寫照。截至2024年底，全國31個省區市及港澳臺地區飛盤項目註冊協會超100家，俱樂部達900餘家，覆蓋近200個城市，高校飛盤社團增長率連續三年超過40%。 與群眾基礎同步提升的還有專業競技水平。在英國諾丁漢舉行的2023年U24世界青年飛盤錦標賽上，來自新加坡的何志豪經人推薦，成為中國飛盤集訓隊的主教練。彼時的他已與飛盤相伴19年，從18歲踏入大學校園初次接觸這項運動開始，便與飛盤結下了不解之緣。回憶起自己剛接觸飛盤運動時，何志豪坦言：「當時新加坡飛盤的發展狀況比現在中國糟糕得多，全國打盤的總共也就百來人。」 有了基礎，才有上層建築。中國飛盤隊直到2024年才真正完成組建，在此之前，甚至湊不出一支專業隊參賽。「中國這兩年的飛盤發展速度遠超預期。」何志豪對中國飛盤近兩年來的跨越式發展尤為感慨，「如果新加坡回到10到15年前，我們可能連與強隊對抗的機會都沒有，但現在中國隊在和德國隊比賽都能咬得住。」 在中國執教的一年又八個月後，何志豪坦陳，中國飛盤運動雖然進步飛速，但與頂尖水平依然存在五到七年的差距。他表示，日本、澳大利亞、新加坡等亞洲飛盤水平先進的國家已形成非常成熟的培養體系，而中國還在積累探索階段；以新加坡為例，高校和中學已將飛盤列為常規體育項目，全民參與度很高，而中國在青少年基礎、賽事體系等方面仍需完善。 周安琪眼中的未來是「飛盤的蛋糕越做越大」，並呼籲更多人透過爆火現象與社交屬性看到這項運動的專業性。不過相比兩三年前，如今國內的飛盤熱潮逐漸褪去，她對此並不避諱：「初期吸引大量愛好者是好事，這是擴大群眾基礎的第一步。」在周安琪看來，那些在浪潮中沉澱下來的愛好者，「才能支撐中國飛盤走得更遠」。 (本報成都8月12日專電)
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。
桃花app
「活动」首次登录送新手大礼包
- 软件大小: 439.87MB
- 最后更新: 2026-03-17 22:15
- 最新版本: v12.11.11.18
- 文件格式: apk
- 应用分类:ios-Android 魅影看b站直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.39以上
客服热线：133-4196-5237
月夜直播在线观看类似软件
猜你喜欢
49375
64
79823
97
2026-03-17 22:15
39654
73
2026-03-17 22:15
39645
91
2026-03-17 22:15
73921
23
2026-03-17 22:15
82354
91
2026-03-17 22:15
62418
64
2026-03-17 22:15
35127
19
2026-03-17 22:15
91264
21
2026-03-17 22:15
32641
87
2026-03-17 22:15
54319
96
2026-03-17 22:15
62748
31
2026-03-17 22:15
23
68471
48391
42
83257
63478
83
98
63971
16
59
