餐飲「大咖」匯聚中國燒烤企業發展論壇論道燒烤未來
2025-12-17 10:39 3,123次浏览文/廣州日報全媒體記者何瑞琪 通訊員徐潔芹、李劍鋒 近期，由白紋伊蚊傳播的基孔肯雅病毒在多地點狀散發，清除蚊蟲孳生地、使用殺蟲劑等是目前防控傳播的常見方法。 在廣州市黃埔區一座不起眼的辦公樓內，「蚊子工廠」正開足馬力，周產500萬隻「絕育雄蚊」，以生物技術阻斷蚊媒繁衍鏈，成為阻擊基孔肯雅熱的生物尖兵。這一顛覆傳統的「以蚊治蚊」技術，正構築起了一道獨特的生物防控屏障。 「以蚊治蚊」優勢顯著 在廣州威佰昆生物科技有限公司(以下簡稱「威佰昆」)的生產基地，偌大恆溫恆溼的實驗室中，數百萬蚊卵在營養液中沉浮如細密米粒，自動化機械臂精準分揀蛹蟲，自動蚊蛹雌雄分離機篩選出雄蛹，誤差率低於0.5%，最終羽化得到的雄蚊誤差率低於0.3%。 眾所周知，蚊子在吸食人血的時候順帶傳播病毒，而只有雌蚊會咬人、能吸血，雄蚊不叮人也不吸血。換言之，雄蚊對人類是無害的。那麼，只要在源頭上控制住雌蚊的數量，便能很大程度上控制住疫情。 「『以蚊治蚊』的策略主要是減少白紋伊蚊的數量，技術的核心，是利用沃爾巴克氏體與蚊媒的共生關係。」廣州威佰昆生物科技有限公司副總經理兼技術總監龔君淘介紹，「我們培育出來的蚊子是『益蚊』，也叫『絕育雄蚊』，當攜帶沃爾巴克氏體的雄蚊與未攜帶該菌的野生雌蚊交配時，由於胞質不相容現象，所產的卵不能正常發育，無法孵化出幼蚊。」 威佰昆首先篩選出穩定攜帶該菌的雌蚊，建立種群，大規模繁育後，再將數十萬計攜帶菌株的雄蚊定期釋放到目標區域。由於雌蚊一生通常只交配一次，一旦與「絕育雄蚊」結合，其產卵便宣告無效。這就意味著，只要經過幾代持續釋放，目標區域的蚊子種群數量會大幅減少，實現種群壓制，從而達到控制蚊媒傳染病的目的。 相較於傳統化學的弊端，「以蚊治蚊」技術優勢顯著：技術高效、生物安全風險極低、綠色無汙染。「最大特色在於精準靶向。」龔君淘強調，「白紋伊蚊是登革熱、基孔肯雅熱的主要傳播者，我們的『絕育雄蚊』僅攻擊同種蚊，不傷及其他昆蟲和天敵，能有效維護生態平衡。」 6—8周內壓制率高達80% 自2015年以來，該公司的「以蚊治蚊」技術已在全國多個區域進行釋放試驗。 在白雲區江高鎮峽石村，這個團隊運用「以蚊治蚊」技術防控登革熱的傳播。按照每平方米釋放5隻「益蚊」的比例，採用滾地毯式釋放策略，每周兩次，每次在村民居住區全方位釋放約100萬隻沃爾巴克雄蚊。數據顯示，試點區域內蚊子密度顯著降低，村內白紋伊蚊的控制率常態化超過90%，7年未發生一例登革熱病例。 「我們團隊已建立了一套精密的釋放策略，一般來說，我們會按照大於5:1的比例釋放『絕育雄蚊』，也就是每發現1隻野生雌蚊，就釋放5隻以上『絕育雄蚊』，這樣能保證野生雌蚊與『絕育雄蚊』交配。」龔君淘說，一般情況下，通過該項技術三周內蚊子數量可減半，6—8周內野生蚊群密度能驟降80%以上。 如今，面對基孔肯雅熱的傳播威脅，「蚊子工廠」再次行動起來。據了解，威佰昆目前已具備每周生產500萬隻雄蚊的強大能力，為應對基孔肯雅熱提供強力支撐。除了應對此次基孔肯雅熱的防控，龔君淘也表示，下一步，將與基層組織合作，持續做好防蚊滅蚊的應急處置工作，同時也會與地方合作，進一步將「以蚊治蚊」工作列為常態化加以推進。
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。
私密直播全婐app免费
「活动」首次登录送新手大礼包
- 软件大小: 769.69MB
- 最后更新: 2025-12-17 10:39
- 最新版本: v17.8.18.9
- 文件格式: apk
- 应用分类:ios-Android 暖暖直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 6.12以上
客服热线：132-8342-6923
么么直播类似软件
猜你喜欢
38
34156
97
2025-12-17 10:39
71364
81
2025-12-17 10:39
63579
53
2025-12-17 10:39
84213
51
2025-12-17 10:39
18924
56
2025-12-17 10:39
15284
26
2025-12-17 10:39
84172
54
2025-12-17 10:39
85924
98
2025-12-17 10:39
86245
94
2025-12-17 10:39
41973
63
2025-12-17 10:39
16829
93
2025-12-17 10:39
61425
91247
17
29
12436
81
63
15
47