中歐班列（西安）累計開行突破30000列
2025-11-05 04:47 1,893次浏览香港8月8日電 題：「英雄含笑臥沙場」：香港抗戰老兵後人追述父輩血戰往昔 記者 戴夢嵐 一篇題為《英雄含笑臥沙場》的作文，曾被作為範文貼在香港香島中學牆壁上。文章的作者是抗戰勝利後回港求學的東江縱隊戰士吳柏松，文內記錄了他親歷的一場突圍戰。 那次戰鬥中，吳柏松所在的中隊被日軍包圍，一顆子彈擊中他身旁的中隊指導員，鮮血和腦漿噴濺到吳柏松身上。面對壓上來的敵人，吳柏松振臂高呼：「為指導員報仇！」他發起衝鋒，帶領幾十名戰士脫險。這場戰鬥後，吳柏松被任命為新的指導員。 近日，吳柏松之子、香港抗戰歷史研究會會長吳軍捷接受記者專訪，回憶起父輩的血戰往昔，他仍為東江縱隊戰士們視死如歸的英雄氣概動容。吳軍捷表示，「我父親說『大家都是苦孩子，打仗時沒人把生死看得太重』。用他指導員的話講，『抗擊日寇，死了血都會發光！』」 7月24日，香港抗戰歷史研究會會長吳軍捷接受記者專訪。 記者 李志華 攝 除了與日軍作戰，東江縱隊還承擔過營救盟軍的任務。日軍佔領香港期間，曾強佔啟德機場作為空軍基地。1944年2月11日，美國「飛虎隊」飛行員克爾中尉駕駛戰機轟炸此處時，不幸被日軍擊中，他跳傘後降落在香港沙田觀音山。東江縱隊港九獨立大隊小通訊員李石第一時間發現了他，並把他藏在一個山洞裡。之後，戰鬥英雄「劉黑仔」(原名劉錦進)等人護送克爾轉移，最終把他安全送到東江縱隊司令部。克爾回到廣西桂林後，向陳納德將軍報告獲救經過，促成美軍與東江縱隊合作。 幾十年後，這段歷史的餘音仍在迴響。克爾的兒子大衛來到中國，尋找父親當年的救命恩人。通過東江縱隊歷史研究會網站，大衛聯繫上吳軍捷，表達了希望重走營救路線的願望。 吳軍捷等東江縱隊戰士後代陪大衛前往，幾經周折終於找到那個山洞，大衛和家人在山洞裡駐足良久。他們還找到了李石，克爾口中那位「可愛的男孩」已年近九旬，住在老人院，病重不能說話。大衛和李石握手，兩人都流下了眼淚。 7月24日，香港抗戰歷史研究會會長吳軍捷展示克爾中尉之子大衛贈送的克爾中尉在「飛虎隊」工作期間的軍裝。 記者 李志華 攝 為了填補香港愛國主義教育的空白，吳軍捷2015年發起成立香港抗戰歷史研究會。研究會甫一成立，就在抗戰時期的戰場——啟德機場附近的觀塘海濱公園策劃了一場大型展覽，最受關注的展品是一架按1:1比例還原的「飛虎隊」P-40戰鬥機模型。通過這種「看得見、摸得著」的方式講述抗戰歷史，展覽吸引數萬人次市民參觀。 吳軍捷說，香港淪陷期間，人口從約160萬銳減至60萬左右，除了被殺害的民眾，還有大量逃難的市民。英軍投降後，中國共產黨領導的東江縱隊港九獨立大隊堅持敵後武裝作戰，與盟軍展開合作，沉重打擊日本侵略者。「香港抗戰史是愛國主義教育的生動素材。」 2015年11月，香港抗戰歷史研究會主辦的「飛虎歸來·維港記憶」香港抗戰歷史展在觀塘海濱公園舉行。圖為學生參觀按1:1比例仿製的「飛虎隊」P-40戰鬥機模型。 (受訪者供圖) 近年來，吳軍捷還不遺餘力推動香港抗戰遺址保護工作。他介紹，目前香港的東江縱隊抗戰遺址至少有二三十處，希望社會各界未來逐步推進保護與活化利用這些遺蹟，讓今天的年輕人在歷史現場感受80多年前那群熱血青年的戰鬥脈搏，更好理解香港抗戰是全民族抗戰的重要組成部分。(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。
比心直播
「活动」首次登录送新手大礼包
- 软件大小: 159.69MB
- 最后更新: 2025-11-05 04:47
- 最新版本: v13.13.16.4
- 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: 1.74以上
客服热线：139-3758-4967
黄瓜直播类似软件
猜你喜欢
73
53297
29
2025-11-05 04:47
87946
21
2025-11-05 04:47
38975
36
2025-11-05 04:47
95648
32
2025-11-05 04:47
78134
79
2025-11-05 04:47
23514
27
2025-11-05 04:47
63412
73
2025-11-05 04:47
89416
93
2025-11-05 04:47
15986
75
2025-11-05 04:47
74683
84
2025-11-05 04:47
64571
84
2025-11-05 04:47
23591
18497
16527
13
93756
61539
78
72
19
51