川普：「華盛頓特區已成世界上最危險的城市之一」
2026-02-22 04:03 2,861次浏览天津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)
2025世界機器人大會正在火熱進行中。令人矚目的是，人形機器人正加速場景化應用落地——它們告別「站樁」展示，轉向探索替代人類作業的場景與方案，核心競爭力聚焦「能否更快上崗」，工廠搬運等模擬場景已大量呈現。在尋找落地場景時，「先上崗、再進家」成為機器人普及的現實路徑。展望未來，業內人士表示，若進展順利，人形機器人的「ChatGPT 時刻」最快有望在1～2年內到來。 文/廣州日報全媒體記者 張露 現場直擊：處處可見廠商為自家機器人找「幹活場景」 當前，人形機器人技術正處於從實驗室技術向產業化應用跨越的關鍵階段，在工業、商業、消費、特種等場景裡逐步探索。 大會期間，記者走訪現場發現，與去年行業普遍「秀」機器人才能不同，今年業內更關注機器人如何真正投入工作、實現商業化落地。從企業展臺布置的倉庫包裹分揀流水線，到商業空間的導覽臺，處處可見廠商們為自家機器人尋找「幹活場景」的努力。 中國電子學會理事長徐曉蘭在本次大會分享了人形機器人十大最具潛力的應用場景，包括：3C製造領域的物料質檢，電力生產領域的電站操作，船舶製造領域的打磨拋光，安全應急領域的災害應對與安全救助，商業服務領域的導覽迎賓與服務交互，家居服務領域的生活協助、陪伴及日常照料，農業生產領域的田間精細作業等。 「先上崗，再進家，是機器人普及的現實路徑。」越疆科技市場總監謝凱旋認為，人形機器人率先落地的，將是低速、高頻、剛需的商業場景，例如藥房搬運、零售導引、園區巡檢等。這些場景任務明確、環境可控，適合技術早期階段部署。傅利葉機器人創始人兼CEO顧捷表示，相比於機器人進入大眾消費市場、進入普通人家庭的場景，進入工廠、醫院這一類專業場景是行業優先集中探索的方向。 不僅僅是單個機器人進入工廠，未來更是「群體打工」。記者注意到，本屆展會上已有多家企業展示出多機協同作業的能力。「工業場景的本質是系統性。人形機器人要想提高工廠效率，還得具備多機協同的系統性『會做』。」魔法原子總裁吳長徵表示，其多機系統在工業場景下，強調的是系統化優化，比如多臺機器人可以協同完成生產線操作，在動作路徑、任務分配上實現高效協同。 高速成長：去年機器人產業營收近2400億元 「今年上半年機器人行業非常火爆。得益於市場與政策的雙重支持，整機廠商及零部件廠商平均實現了50%到100%的增長，需求端的拉動有力推動了全行業發展。」在2025世界機器人大會上，宇樹科技創始人王興興表示。數據顯示，2024年，機器人產業營業收入近2400億元。今年上半年，工業機器人產量37萬套，服務機器人產量882.4萬套，同比分別增長35.6%和25.5%。 王興興認為，現在最大的問題其實是模型問題，當前的機器人模型架構不夠好不夠統一。吳長徵分析稱，真正讓機器人「用得起來」，不是某一個算法或傳感器的突破，而是全鏈路的整合能力。比如要確保機器人交付給客戶後能穩定運行，這背後牽涉的是供應鏈體系是否可靠、交付服務體系是否閉環。 展望 人形機器人「ChatGPT時刻」最快1～2年內到來 展望未來，根據瑞銀髮布的人形機器人行業報告，預計全球人形機器人數量2035年將超過200萬臺，2050年將超過3億臺，2050年市場規模將達1.4萬億~1.7萬億美元，人形機器人的價格成本或將下降七成以上。吳長徵預測，未來3年機器人能力將有10倍增長，5年將達100倍，屆時它們才有可能真正進入千行百業。 「如果順利，未來1～2年或者2～3年可以達到人形機器人的ChatGPT時刻，最慢的話3～5年。」王興興如是預測。他還表示，未來2～5年智慧機器人技術的重心，是統一、端到端智慧機器人大模型，更低成本、更高壽命的硬體，超大批量的製造，以及低成本、大規模算力。
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。
美女直播app
「活动」首次登录送新手大礼包
- 软件大小: 426.95MB
- 最后更新: 2026-02-22 04:03
- 最新版本: v14.10.5.7
- 文件格式: apk
- 应用分类:ios-Android 小狐狸直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.76以上
客服热线：135-2963-7924
九球直播类似软件
猜你喜欢
98643
47169
54
2026-02-22 04:03
58139
84
2026-02-22 04:03
78459
53
2026-02-22 04:03
28647
38
2026-02-22 04:03
96253
62
2026-02-22 04:03
24579
79
2026-02-22 04:03
74196
28
2026-02-22 04:03
76842
51
2026-02-22 04:03
78469
86
2026-02-22 04:03
96384
48
2026-02-22 04:03
54123
58
2026-02-22 04:03
67435
84
19
92
65
39
26954
17629
24635