西安星級酒店探索餐飲「外擺」業務 日營業額破兩萬元
2025-12-17 18:58 3,751次浏览近日，廣中路街道天通庵路居民區虹口花苑小區17號樓加裝電梯工程正式啟動施工。這棟建於上世紀90年代的老式多層住宅，在街道黨工委統籌、房辦專業指導下，通過黨建引領下的多方協同機制，成功化解低層住戶顧慮，成為基層治理創新的鮮活樣本。這一民生工程的落地，不僅讓高層住戶告別「爬樓時代」，更以「小切口」推動社區治理「大提升」。民生「痛點」變治理焦點加梯項目啟動初期，17號樓某住戶因擔憂糞管老化問題堅決反對。該樓棟糞管因年久失修，多次發生堵塞返水甚至噴糞現象，這位住戶表示， 「電梯裝好了，家裡卻天天返臭水，這樣的日子怎麼過？」面對這一矛盾，由律師志願者、先鋒黨員和業委會副主任組成的加梯三人小組迅速介入，在黨建引領下形成「法律保障+黨員帶頭+專業協調」的攻堅模式。小組聯合居委、街道房辦、電梯公司及物業召開多輪現場協調會，最終決定將糞管改造納入加梯工程同步推進。專業機構檢測顯示，糞管因長期腐蝕已存在多處裂縫，需徹底更換。律師志願者從法律層面明確責任歸屬，業委會副主任協調物業與電梯公司制定「加梯+管改」一體化方案，僅用半個月便打消了住戶顧慮。這位戶主在業主大會上籤下同意書時感慨：「看到大家這麼用心，我沒有理由再反對。」 虹口花苑小區17號樓加裝電梯工程正式啟動施工多方聯動聚合力施工銘牌上「黨建引領聚合力，加裝電梯惠民生」的標語，正是17號樓加梯工程的生動寫照。在黨建引領下，居民區黨總支搭建協商平臺，街道房辦提供技術支撐，電梯公司優化施工方案，物業全程跟進服務，形成「需求共商、方案共定、責任共擔」的治理閉環。「居民的痛點就是工作的焦點。」加梯三人小組組長、先鋒黨員徐老師介紹，工程不僅解決了硬體問題，更拉近了鄰裡關係。更令人欣喜的是，17號樓的突破帶動了周邊樓棟：隔壁16號樓加梯進度迅速趕上，另一棟樓已啟動加梯程序，整小區加裝工作駛入快車道。小電梯「撬動」大幸福天通庵路居民區黨總支書記表示，加梯工程是「人民城市人民建」理念的生動實踐。通過「加梯一件事」工作法，街道將民生工程與社區治理深度融合：黨員骨幹帶頭宣傳政策、律師團隊提供法律保障、專業機構破解技術難題、居民協商共謀方案，讓「懸空老人」圓了「電梯夢」，更讓「陌鄰」變「睦鄰」。據統計，廣中路街道今年已新增啟動加梯樓棟12個，惠及居民300餘戶。街道相關負責人表示，未來將持續深化黨建引領基層治理，推動加梯工程從「個案突破」向「整小區推進」延伸，讓更多老舊小區煥發新活力。記者手記加梯工程，見證基層治理的智慧與溫度。當黨建紅穿透老舊牆體的裂痕，當專業力量匯聚成民生暖流，曾經的「不可能」便化為「齊心行」。只要堅持以人民為中心，把群眾需求作為治理創新的出發點，就能在加梯這樣的「關鍵小事」中書寫「民生大文章」，讓城市發展更有質感、更有溫度。
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。
暖暖直播
「活动」首次登录送新手大礼包
- 软件大小: 854.51MB
- 最后更新: 2025-12-17 18:58
- 最新版本: v16.7.10.12
- 文件格式: apk
- 应用分类:ios-Android 名模直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 2.95以上
客服热线：132-5128-9543
12654
57
24615
61
2025-12-17 18:58
74219
13
2025-12-17 18:58
96748
84
2025-12-17 18:58
17592
59
2025-12-17 18:58
21674
93
2025-12-17 18:58
68145
67
2025-12-17 18:58
84926
72
2025-12-17 18:58
98761
73
2025-12-17 18:58
12359
52
2025-12-17 18:58
25
96
41852
53
63417
73
31256
51964
81
16849
