那達慕側記：綠浪歡歌中的文化盛宴
2026-02-17 11:01 7,163次浏览頂著高溫，第二場「紅動徐匯・禮讚百年工運」百團萬人觀龍陵暑期專場活動在龍華烈士陵園繼續開展，當天有 9 批次職工和中小學生團隊 100 餘名參觀者走進龍華烈士陵園，包括來自徐匯環衛職工的子女們，他們當天還參加了徐匯匠心模範尋訪一日營活動。在市勞模餘美香、尚豔華、馮知洋、符欣怡、崔麗麗，市五一獎章獲得者蘭凡、周翌，區勞模陳俊峭、董梁，職工志願者王禮婧和10 多名中小學生志願者及工會志願者的講解中，參觀的團隊共同體驗了一次沉浸式紅色傳承之旅。 市勞模、上海環谷新材料科技發展有限公司技術部技術總監崔麗麗和市五一獎章獲得者、徐匯中學教師周翌作為新成員正式加入徐匯勞模龍陵志願講解團，並在此次活動中首次亮相。為了能出色完成講解任務，她們利用日常碎片時間，認真準備講解詞，牢記現場每一個點位的歷史背景與細節，不斷打磨自己的講解內容，最終雙雙順利通過考核，成為講解團的一員。在今天的活動中，崔麗麗以專業且飽含深情的講解，贏得了現場觀眾的好評。講解結束後，崔麗麗感慨：「站在龍華烈士紀念館的展廳裡，每一件展品都讓我感受到革命先烈用生命鑄就的信仰之光。作為講解員，我將用心傳遞這份不朽的精神，讓英雄的故事永遠激勵後人。」 值得一提的是，周翌的女兒、來自上海小學三年級的何瑧作為學生志願者也通過了本次考核。當天母女倆的身影穿梭在各個講解點位，除了講解外，她們互相鼓勵，反覆學習其他點位的講解詞，這就是傳承最生動的體現。回想今天和媽媽一起的講解初體驗，何瑧感慨萬分：「參與講解更進一步讓我了解了黨和工運的歷史以及英雄人物的英勇事跡。其實在準備過程中，稿子的內容對於我來說很晦澀，也很困難，但是在媽媽的鼓勵下，堅持了下來，這個過程讓我收穫很多。」活動現場，還有一群朝氣蓬勃的矮小身影格外引人注目，他們便是區總工會今年新招募的10 多名中小學生志願者。經過系統的培訓與嚴格的考核，這些小志願者們迎來了展示自己的機會。他們十分珍惜此次實踐，不少同學提前來到場館，相互交流講解技巧，反覆練習走位與語調，力求在講解過程中做到盡善盡美。來自華東理工大學附屬小學的劉梓軒說道「作為小小講解員，我們是歷史的講述人，更是信仰的守護者。每一次講解都是一次精神的洗禮，只要我們不停歇地講述，先烈們的故事就會永遠活著，他們的精神就會永遠照亮前行的路。」 楊文煦同學說：「這是我第一次給那麼多人講龍陵的故事，手心都出汗啦。但想到烈士們不怕困難，毫不畏懼，我就大聲講。以後還要來，讓更多人知道他們有多勇敢！」下午的參觀團隊中，還有來自新就業形態勞動者順豐同城的快遞小哥。他們在忙碌的工作間隙專程前來感受紅色文化，區總工會特意為他們送上了防暑降溫用品，在炎炎夏日裡傳遞出貼心的慰問，讓這場紅色文化之旅更添一份溫暖與關懷。他們絕大多是黨員，在參觀過程中還專門重溫入黨誓詞。在龍陵的支持下，參觀之餘，他們還上了一堂特別應景的國防教育課。此次活動讓不同群體在紅色教育中汲取了精神力量，從勞模志願者的深情講解到青少年的熱血演繹，從傳統職工子女到新就業形態勞動者，勞模精神、革命精神工運精神將一代代在各行各業廣大職工群眾中不斷傳承和發揚。暑期龍陵講解專場活動8月底將迎來開學第一課大思政課主題活動，大家敬請期待，同時徐匯區匠心模範尋訪主題活動正在如火如荼進行中，歡迎全市中小學生團隊報名參加，打卡完成相應任務還可領取紀念證書，並有機會參加後續福利活動。
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。
秀色直播app下载
「活动」首次登录送新手大礼包
- 软件大小: 728.62MB
- 最后更新: 2026-02-17 11:01
- 最新版本: v8.16.6.18
- 文件格式: apk
- 应用分类:ios-Android 私密直播全婐app
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.12以上
客服热线：137-2874-6957
午夜直播类似软件
猜你喜欢
38125
31758
57
2026-02-17 11:01
28936
29
2026-02-17 11:01
94512
83
2026-02-17 11:01
15682
64
2026-02-17 11:01
12785
98
2026-02-17 11:01
18649
69
2026-02-17 11:01
21853
69
2026-02-17 11:01
14287
97
2026-02-17 11:01
57498
89
2026-02-17 11:01
31285
37
2026-02-17 11:01
35746
18
2026-02-17 11:01
46315
65
29364
49
62153
15836
74365
38
64319
41
73
43129
76
93
24
