上海交大研發出「沙灘狗」 可讓沙灘廢棄物一掃而光
2026-02-19 22:44 7,865次浏览在福建省寧德市周寧縣後洋村的黃振芳家庭林場管理房旁，習近平30多年前種下的三棵杉樹，如今已長得高大挺拔。三棵樹的成長，好似講述著一段點綠成「金」的故事。 1988年6月，習近平從廈門來到寧德擔任地委書記。俗稱「閩東老九」的寧德，是當時全國18個集中連片貧困地區之一。習近平面臨尋找突破路徑，率領閩東加快發展、擺脫貧困的重任。 1988年寧德城區風貌。(圖源：《習近平在寧德》) 1988年7月初，習近平和地委幾位負責同志，翻山越嶺，歷時一個多月深入閩東九縣，以及毗鄰的浙南溫州、蒼南樂清等地調研。正是這次調研，「造林大王」黃振芳的故事引起了習近平的關注。 黃振芳是寧德市周寧縣七步鎮後洋村人。後洋村常年地質災害頻發，每逢暴雨，山洪傾瀉，良田被毀，村民的生活很困苦。他們一家七口人經常連肚子都吃不飽。 1983年，黃振芳開始探索創業致富之路。他貸款8萬元，帶領全家人開荒造林，開墾出50畝荒山作為試驗林，後來逐漸擴大造林面積，短短三年內，黃振芳和家人造林1207畝，為全縣之冠。 得知黃振芳在山上造了一大片林，把整個家都搬上山去了，習近平決定上山看望。 當時車子開到鄉鎮後，習近平撐著雨傘一路步行近一個小時才到山上。他看到一連好幾個山頭都是黃振芳家造的林，新種的樹苗也都長得很好，便鼓勵黃振芳繼續鼓起勁兒往前奔。 這次調研後，習近平把黃振芳的情況寫進調查報告《弱鳥如何先飛》中，指出其為寧德「發展林業提供了一條思路」。 1989年1月，習近平到周寧縣走訪種林專業戶。(圖源：《習近平在寧德》) 時隔半年，習近平再次來到林場調研。那時正值1989年元旦期間，黃振芳的林場面積又擴大了不少，他正計劃著在林下套種馬鈴薯等作物，「以短養長」。看到這些，習近平高興地握住黃振芳的手說：「你這林場搞得好，值得推廣。」這一次，習近平在黃振芳家的林場親手種下了三棵杉樹，並在《閩東的振興在於「林」——試談閩東經濟發展的一個戰略問題》一文中，深刻指出「森林是水庫、錢庫、糧庫」。 黃振芳家庭林場的宣傳牌。(圖源：《習近平扶貧故事》) 黃振芳家庭林場。(圖源：央視新聞) 在習近平的重視和推動下，黃振芳成了「造林致富帶頭人」，周寧全縣掀起造林熱潮，探索在產業結構上實行「林、茶、果、藥」結合，在林地利用上實行「套種、放養」結合的「種、養、遊」一體的產業化發展模式。 「森林是水庫、錢庫、糧庫」這個後來被簡稱為「森林『三庫』」的實踐，把閩東林業發展推上了快車道。如今的閩東已遍植綠樹、漫山青翠，綠色工程惠及千家萬戶。 林茂田豐、天藍水清的「七彩」後洋村。 寧德市委宣傳部供圖 (2023年第24期《求是》雜誌刊發) 一個小山村，如同一扇窗，映射出習近平總書記對我國生態文明建設的深邃思考和長遠布局。時光流轉，「綠水青山就是金山銀山」的理念早已深入人心，在祖國大地上生根、開花。
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。
蜜桃app
「活动」首次登录送新手大礼包
- 软件大小: 384.28MB
- 最后更新: 2026-02-19 22:44
- 最新版本: v19.19.7.18
- 文件格式: apk
- 应用分类:ios-Android 零七直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 2.89以上
客服热线：134-2394-6528
23967
83256
27156
51478
94
2026-02-19 22:44
54962
72
2026-02-19 22:44
48972
23
2026-02-19 22:44
84917
37
2026-02-19 22:44
36798
86
2026-02-19 22:44
72158
76
2026-02-19 22:44
83792
93
2026-02-19 22:44
72415
78
2026-02-19 22:44
56742
91
2026-02-19 22:44
95267
86
28546
19
89341
95647
47962
91624
28
71
18
53749