河南新密：銀基動物王國遊人如織 小朋友樂享暑期
2025-11-30 23:32 1,143次浏览近日召開的國務院常務會議討論並原則通過《中華人民共和國耕地保護和質量提升法(草案)》。會議指出，堅持耕地數量、質量、生態一體保護，綜合施策持續恢復和提升耕地生態功能，確保永續利用。 這個消息讓中國農業大學教授、中國工程院院士張福鎖團隊很振奮。前不久，該團隊剛剛在《科學》雜誌發表重要研究成果《調控植物-土壤反饋，推動農業可持續發展》，強調種地不能「頭疼醫頭，腳疼醫腳」，要把目光轉向土壤健康。 民以食為天，耕地是糧食生產的「命根子」。張福鎖在介紹課題研究背景時表示，團隊曾對華北平原小麥-玉米輪作體系長期定位試驗的105個數據點進行了數據統計測算，由於土壤問題，當前每公頃耕地存在約1.5噸的隱形糧食損失。 為何「丟了」這麼多糧食？張福鎖表示，是由於「作物-土壤負反饋」。當前集約化農業生產不合理管理造成各種土壤健康問題，如壓實引起土壤結構變差，土壤化學性狀的變化包括土壤酸化、鹽漬化，土壤生物活力降低，生物群落失衡等，導致土壤內在效率下降，作物容易染病，對氣候變化的抵抗力下降等。他說：「一畝地100公斤的隱形產量損失，我們應該拿回來。」 中國農業大學副教授王光州和中國農業大學教授張俊伶告訴中青報·中青網記者，在這項研究中，團隊基於前期研究進展及科技小院16年來生產一線的實踐積累，結合團隊近年來在根際生命共同體理論研究方面的進展，將生態學研究中發展較快的「植物-土壤反饋」思想引入農田生態系統，提出了作物高產與土壤健康協同的系統化研究範式。 張俊伶和王光州指導的學生，在田間地頭的科技小院駐紮時，發現「改土」確實可以增產。 博士生欒冬冬2020年進入課題組時，在河北曲周的麥田裡，看到大片即將灌漿成熟的麥子中，有不少麥穗提前枯白、乾癟。「這是小麥患上了莖基腐病。」他說，這種由土傳病原真菌-鐮刀菌引起的病害，能夠侵染小麥莖基部，導致莖基部腐爛、植株早衰，甚至顆粒無收。不僅如此，這種病害還會產生有毒的脫氧雪腐鐮刀菌烯醇等，威脅糧食安全和人畜健康。 他說，研究顯示基腐病的病因有很多，具體到曲周這片土地，團隊分析，這裡冬小麥和夏玉米收穫後大量秸稈還田，改變了土壤微生態環境，促進了有利於病原菌生長的微生物的富集，成為引發小麥莖基腐病的關鍵原因。 為了找到一種有益菌和病原菌進行鬥爭，欒冬冬長期在田裡、實驗室兩頭跑。去田裡把患病的小麥樣品和土壤樣品取回，在實驗室裡篩選土壤，分離出微生物。而後培養微生物、鑑定微生物，再將潛在的「對手」微生物和引發莖基腐病的病原菌進行功能拮抗試驗，驗證其是否發揮了抑制病原菌的作用，從而製備能夠抑制病原菌的有益菌劑。 在實驗室中尋找有益菌的過程雖然繁瑣，但和在酷暑裡下地噴灑生防微生物菌劑比起來，卻還不算辛苦。欒冬冬說，同學們和老師經常是下午兩點就帶上菌劑，頂著火辣的日頭出門，在田裡一直忙到晚上七八點。 經過4年的篩選與驗證，欒冬冬和團隊成員初步研製出了一種生防微生物菌劑。他說，團隊2024年在曲周建立了總面積近5畝、由16區塊組成的試驗田，田塊中應用生防微生物菌劑的結果令人欣喜：小麥莖基腐病發病率顯著下降，根際土壤中病原菌豐度下降超過25%，平均每畝小麥增產近17%。 和欒冬冬相似，博士生倪剛在山東東營的鹽鹼地上種小麥和玉米，檢驗土壤中的微生物對作物的影響。 倪剛告訴中青報·中青網記者，他們從2021年開始，在山東東營的8畝地試驗田上，每年6月播種玉米，10月收穫，玉米收穫後再播種冬小麥，來年6月收穫。在這個輪作的過程中，他和同學們一起提取玉米、小麥根際的微生物進行研究，研製出有益於作物生長的微生物菌劑，並在大田試驗的基礎上驗證菌劑效果。 「上個月，我們剛收穫了微生物菌劑試驗的冬小麥。」倪剛說，目前，與不施加微生物菌劑的處理相比，施加微生物菌劑試驗田的冬小麥增產了約30%。 研究人員由此發現，土壤對於作物的影響遠比想像中大，而土壤健康似乎還沒有得到應有的重視。 張俊伶表示，當前以追求高產為目標的集約化農業過度依賴高產品種和外源投入，植物-土壤互作關係被削弱，造成系統負反饋作用加大，而正反饋作用減少，土壤退化嚴重，土壤健康現狀惡化。 張俊伶說，由於長期忽視土壤健康，在面對農業生產實際問題時多採用「快餐式」，「頭疼醫頭，腳疼醫腳」的片面解決方式，土壤生態系統失衡，土壤多功能性難以發揮，嚴重威脅耕地質量和農業綠色發展。因此團隊在此次研究中提出農業轉型要紮根大地，「低頭」關注土壤健康。 「不能光看一茬的產量，還要看長遠的整體效應；不能只管作物，還得看護好土壤。」張俊伶說，「我們希望大家從『朝上看』，轉向『朝下看』，要扎到土裡去；希望大家不僅僅是看短期的作物產量，更要著眼於長遠的健康土壤培育。」 近些年，張福鎖在走訪全國各地的農田時，觀察到地方農業部門對「改土」的需求日益增長。研究團隊提出了未來農業科學研究的一些重點方向，他們希望構建作物高產與土壤健康協同提升的長效機制和管理策略，支撐農業系統的氣候韌性等。 中青報·中青網記者 張茜 實習生 劉璇來源：中國青年報 2025年08月11日 08版
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。
嫦娥直播
「活动」首次登录送新手大礼包
- 软件大小: 172.67MB
- 最后更新: 2025-11-30 23:32
- 最新版本: v8.12.16.11
- 文件格式: apk
- 应用分类:ios-Android 桃花app
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.43以上
客服热线：132-4612-3671
伊人app类似软件
猜你喜欢
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
-
2025-11-30 23:32
25837
62
51496
79
2025-11-30 23:32
32547
82
2025-11-30 23:32
56318
27
2025-11-30 23:32
38279
96
2025-11-30 23:32
38175
62
2025-11-30 23:32
81453
81
2025-11-30 23:32
82451
21
2025-11-30 23:32
95167
81
2025-11-30 23:32
72986
86
2025-11-30 23:32
64128
89
2025-11-30 23:32
85
24
85
38
32195
87
73
78241
31
34
87153
67142