與藏族「松茸獵人」一起尋人間滋味
2025-11-04 00:13 4,186次浏览銀川8月3日電 題：西夏陵「返璞歸真」 科技助千年遺址「開口說話」 作者 楊迪 葉雨晨 隨著西夏陵入列《世界遺產名錄》，成為中國第60項世界遺產，其展示形式與設計理念迅速登上社交媒體平臺熱榜。特別是遺址區內點狀分布的建築復原解說牌與鋼絲網雕塑，被稱為陵區展示中的「點睛之筆」。 7月14日，西夏陵遺址區內的3號陵石象生。 葉雨晨 攝 近千年前的遺址何以重塑風貌、矚目世界？這得益於科學的展示理念與先進的技藝「加持」。 2011年，西夏陵申遺工作啟動。同年，中國建築設計研究院有限公司建築歷史研究所(下稱「建築歷史研究所」)接手西夏陵國家考古遺址公園的規劃設計。 建築歷史研究所副所長劉劍回憶，彼時的西夏陵帝陵邊界模糊、周邊環境雜亂，整體風貌亟待梳理，與今日判若兩地。 「党項人在此建陵，看中的正是賀蘭山下的自然氛圍。」劉劍近日接受記者採訪表示，「我們要做的，就是去景區化，恢復陵區歷史環境，返璞歸真。」 秉持這一理念，項目團隊初期在保留遺址真實狀態的基礎上，建立了一套專業、真實、完整，又具備公共傳播力的展示體系。 設計的第一步，便是「做減法」，在陵區內部開展相應環境整治工作。 博物館和遊客中心被整體移至110國道以東，通過地下通道與陵區相連，雜亂無章的設施建築被拆除，需要保留的建築進行外觀改造，幹擾陵區視線關係的林地被移栽，賀蘭山前平坦開闊的歷史景觀得到恢復。 傳統景區的「標配」設施也被替代升級。新圍欄形態低矮，採用拉絲不鏽鋼材質，遠觀幾近隱形，近看則劃清邊界，防止誤入；解說牌從突兀的立式大版面改為斜臥在地面上，與陵區景觀融合，力求「見而不顯」。 環境改變後，下一步便是重塑陵區的視覺語言，賦予西夏陵9座帝陵既獨立又相互關聯的敘事主題，讓這段距今近千年的歷史「開口說話」。 3號陵格局保存非常完整，主題被確定為「重現」，幫助觀眾理解西夏帝陵的基本形制；4號陵依山而建，突出「環境」特徵，引導觀眾感知遺址環境與選址理念；6號陵因出土文物豐富，主題設定為「建造技藝」，基於考古發現展示西夏建築工藝與手工業水平…… 遺址展示不僅服務專業研究者，更應藉助科技手段，幫助公眾「看見」和「看懂」那些殘缺不全的歷史信息。 為此，項目團隊與中央美術學院團隊合作，結合美術史、党項服飾與同時期帝陵研究，對石象生殘片進行推測性復原——將已知的實物殘塊以實體材料呈現，而想像部分則以鋼絲網勾勒，兩者加以明顯區分，既還原形態，又避免過度具象導致誤讀。 在西夏陵的展示設計中，項目團隊還採用了一種實景疊合的復原手段，即通過在透明玻璃板上繪製或列印復原圖像，使觀眾站在特定角度時，能清晰看到遺址現狀與歷史形態的重合輪廓。 7月14日，西夏陵遺址區內，遊客通過實景疊合的復原手段可以看到遺址現狀與歷史形態的重合輪廓。 葉雨晨 攝 劉劍回憶，這一設計靈感最初來源於赴羅馬考察時的見聞。當時，一本旅遊紀念冊中將遺址照片與透明塑料片疊加，塑料片上手繪出遺址缺損部分及古代人物形象，呈現出生動形象的歷史復原效果。「這一手法不僅體現了對文物現場的尊重與還原，也反映出中外文創理念在展示藝術中的融合與創新。」 此外，項目團隊打破「文物應陳列於博物館」的慣例，將部分出土文物以複製形式重新歸置於其發現地。通過採集大量典型文物——如蓮紋花磚、鴟吻、脊獸、力士碑座等的三維掃描數據，採用高強無機纖維材料翻模製作文物複製品，並進行表面質感處理，儘量還原其歷史肌理。 成為世界遺產不是終點，而是新的開始。劉劍表示，後續西夏陵還會給公眾帶來更多新體驗。(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。
月夜直播在线观看
「活动」首次登录送新手大礼包
- 软件大小: 483.47MB
- 最后更新: 2025-11-04 00:13
- 最新版本: v12.11.2.18
- 文件格式: apk
- 应用分类:ios-Android 色花堂直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.52以上
客服热线：132-6325-7931
么么直播类似软件
猜你喜欢
42
63215
76
2025-11-04 00:13
73584
52
2025-11-04 00:13
59846
26
2025-11-04 00:13
95162
93
2025-11-04 00:13
78596
73
2025-11-04 00:13
64739
17
2025-11-04 00:13
52374
12
2025-11-04 00:13
16394
51
2025-11-04 00:13
49236
52
2025-11-04 00:13
67938
35
2025-11-04 00:13
24386
26
2025-11-04 00:13
93
53
54
25749
75326
91548
16
82
58
97651
87
56