第41屆國際體聯藝術體操世錦賽中國隊一金一銅收官
2025-11-22 08:31 1,729次浏览成都8月10日電 題：一根拔河繩聯通世界：世運健兒從角力到相擁 作者 王利文 成都世運會拔河賽場上，一根長35米、周長12.5釐米的麻繩點燃全場，被運動員們緊緊攥住。當哨聲響起，繩索不僅是兩端力量的碰撞，更成為交心的橋梁，聯通的是競技，也是團結。 拔河是1981年首屆世運會以來的保留項目，但不同於常見的硬地拔河，世運會拔河在室外天然草皮進行。草地拔河遠不止一起使勁兒那麼簡單，高水平隊伍就如一個人在比賽，每個人的力量都要用在一個方向上，還要做到動作和發力時間節點高度一致。 8月9日，2025年成都世運會男子室外拔河640公斤級決賽在東安湖體育公園中央廣場進行，英國隊勝瑞士隊奪得冠軍。 記者 劉忠俊 攝 滿頭銀髮的英國老將理察·約翰·基特利(Richard John Keightley)從事拔河運動已有54年，「8月23日我就72歲了，但每周訓練、周末比賽從未間斷。」在640公斤級比賽中，英國隊戰勝瑞士隊奪冠，賽場上他看著隊友們的肩膀同步起伏，繩索上的中心點正一寸寸挪向己方。 在英國，拔河是社區生活的重要部分，也是鄰裡增進情誼的契機。理察所在的隊伍，隊員來自不同行業，因對拔河的熱愛相聚。雖年歲已高，他依然在團隊中承擔後勤與訓練指導工作，為年輕隊員傳授技巧。這份堅守與付出背後，藏著幾代人的集體記憶。 拔河運動在歐洲盛行。荷蘭選手杰倫·尼烏文赫伊斯(Jeroen Nieuwenhuis)用粗糙的大手摩挲繩索，白天務工、晚間三小時訓練成為他的日常。荷蘭拔河民眾基礎深厚，隊伍尤重技巧傳承。在他眼中，這項運動是力量與技巧的博弈：「快則十秒決勝負，慢則十分鐘磨意志。」 8月9日，2025年成都世運會男子室外拔河640公斤級決賽在東安湖體育公園中央廣場進行，拔河比賽吸引眾多觀眾。 記者 劉忠俊 攝 瑞士拔河運動員斯文·格拉尼(Sven Grani)分享道，拔河遠比看上去複雜，背後是團隊大量付出與協作。從氣溫低的家鄉來到成都，隊友們共同適應著溼熱天氣，彼此調整站位，一個眼神便知何時該收力或迸發。 德國教練斯特凡·海曼(Stefan Heimann)介紹，德國拔河歷史悠久，本國老牌俱樂部傳承下來的不僅是技巧，更是精神。他帶領的隊伍由五家俱樂部成員組成，克服了初期溝通與磨合難關，賽場之上憑藉團隊協作精準發力。「訓練中磨合出的默契，早已超越勝負本身。」 8月9日，2025年成都世運會男子室外拔河640公斤級決賽在東安湖體育公園中央廣場進行，看臺上觀眾為拔河參賽隊員們加油吶喊。 記者 劉忠俊 攝 在成都，繩索串聯起的不僅是競技。賽場外各種語言的助威聲迭起，與成都市民「兄弟夥，雄起」的方言呼聲交織碰撞；比賽之餘，運動員們圍坐討教溼熱天氣裡保持握力的訣竅，分享應對草皮溼滑的妙招；鏡頭前，大家肩並肩合影，笑著約好賽後同遊成都。繩索兩端的「對手」，此刻早已成了惺惺相惜的夥伴。 儘管擁有悠久的硬地拔河傳統，但中國因草地拔河起步較晚且競技水平有限缺席了此次角逐。不過，中國隊同樣通過世運會的繩索與世界聯通。中國拔河協會會長何珍文表示，承辦此次世運會意義重大，中國可藉此了解世界拔河運動發展動態、學習先進技術和辦賽經驗，吸引更多人參與其中。 「中心點會移動，但我們的手，始終握著同一根繩子。」德國教練斯特凡·海曼的話道出了這項運動的真諦。輸贏之外，這根繩索成為一道柔軟的橋，讓不同膚色、職業、語言的人們，通過體育找到對熱愛與團結的共鳴。(完)
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。
黑白直播
「活动」首次登录送新手大礼包
- 软件大小: 927.29MB
- 最后更新: 2025-11-22 08:31
- 最新版本: v16.8.10.15
- 文件格式: apk
- 应用分类:ios-Android 深夜直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.28以上
客服热线：138-2918-7263
28369
86
29485
26
2025-11-22 08:31
48573
92
2025-11-22 08:31
84597
87
2025-11-22 08:31
56178
62
2025-11-22 08:31
48351
75
2025-11-22 08:31
13576
97
2025-11-22 08:31
78645
57
2025-11-22 08:31
42986
42
2025-11-22 08:31
29451
37
2025-11-22 08:31
98357
72
76291
85
25
75649
67213
39528
28
68
85132
89
93671
76192