粵東最大重型海洋牧場在揭陽惠來海上風電場投放
2025-12-10 19:07 4,253次浏览一隻烤鴨為何只賣25元？不久前，相關話題登上熱搜。 在山東沂南，依託現代化養殖繁育技術，一隻櫻桃谷鴨從孵化到出欄只需50多天，做烤鴨的白條鴨坯成本不到10元錢一隻。別看鴨坯不貴，養鴨絕非虧本買賣。鴨掌、鴨脖被製成休閒食品，鴨毛被收購後變身羽絨製品，鴨血、鴨油都有用武之地。一隻鴨子被充分利用的背後，是養殖業的現代化發展。育種孵化、屠宰加工一條龍，飼料加工、熟食生產全業態，形成了完整產業閉環，實現了價值的有效提升，成就了200億元大產業。 科技與產業的躍升，正在刷新人們的認知。一些曾被認為是無用的東西，搖身一變成為優質資源。比如，在大米加工中，將易酸敗的米糠用於壓榨稻米油、提取米糠脂，變「黃色汙染」為「金色利潤」；在煤炭開採中，將副產品煤矸石用於製作建築材料莫來石，讓「煤渣渣」變成「香餑餑」…… 如果說「物盡其用」重在「吃幹榨淨」、減少浪費；「點石成金」則要打破局限、轉換賽道。 時下，以個性、跨界、融合等為特點的產業持續發展、產品推陳出新，發揮「價值倍增」效應，有的對固有模式形成顛覆性改變。 一根玉米，經過「七十二變」產出聚乳酸，進而成為可降解心臟支架的重要材料；一塊菜地，讓城裡人認養種植，助農戶增收致富，離不開對消費心態的敏銳把握。無論是從無到有的科技創新，還是資源重組的模式創新，點石成金的關鍵在於打破路徑依賴、激發創造性思維，從習以為常中開掘新價值。 進入高質量發展新階段，資源環境約束趨緊，「大水大肥」的發展方式對於包括農業在內的各產業都不再適用；而「低垂的果子」已經摘完，迫切需要激發更多化腐朽為神奇的飛躍。以綠色為底色，以創新為引擎，物盡其用與點石成金，為向前發展提供了新的推動力。 這裡蘊含著節流和開源的關係。必須看到，減損也是增產，降耗就是增收。尤其對於超大規模經濟體而言，一度電的節約，一平方米土地的利用，乘以龐大的經濟係數，都不是一件小事。以產業創新高效利用資源，提高全要素生產率，也是一種開源。 這裡包含著固本與開新的方法。新質生產力蓬勃發展，正讓傳統產業煥發新的生機。在換道超車的同時，也要堅決摒棄那些「傳統產業已到達天花板」「脫實向虛才是出路」的論調，用兩條腿走路。 一束秸稈曾是一道治理難題，如今從當燃料到做飼料，從造漿做紙到轉化為高質量石墨烯，秸稈再利用由淺入深，不斷開闢新天地。共享單車、電子商務曾是廣被談及的新聞，如今已融入日用而不覺的生活。這啟示我們，創新的本質就是解決問題、推動發展，創新不止步，發展無止境，中國經濟需要更多「向新力」。 細節優化與系統變革，降本增效與開闢新路，創新不只一途，都值得鮮花與掌聲。鼓勵新點子，呵護新苗子，搞活新路子，中國發展優勢的「護城河」將更加寬廣。 石 羚 《人民日報》(2025年08月05日 第 04 版)
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。
打开b站看直播
「活动」首次登录送新手大礼包
- 软件大小: 562.42MB
- 最后更新: 2025-12-10 19:07
- 最新版本: v18.12.15.11
- 文件格式: apk
- 应用分类:ios-Android 小妲己直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.98以上
客服热线：131-5142-9486
59
32
56982
47
2025-12-10 19:07
98612
86
2025-12-10 19:07
21348
84
2025-12-10 19:07
97812
24
2025-12-10 19:07
21734
34
2025-12-10 19:07
49812
95
2025-12-10 19:07
38629
13
2025-12-10 19:07
53196
83
2025-12-10 19:07
17269
48
2025-12-10 19:07
79
68419
97518
91
47523
31
36954
68395
14
76539
94586
37
