大學轉專業真的很容易嗎？
2025-12-10 15:20 8,682次浏览嘉興8月5日電(黃彥君)「快看，那裡有綠光！」連日來，高溫持續，暑氣正濃，一場浪漫的「螢火之約」在浙江山野間接力傳遞。 「小時候，河邊草叢裡總能看到螢火蟲，忽閃忽閃，時隱時現。」聽說當地姚莊鎮金星村有螢火蟲「回歸」後，生活在嘉興市嘉善縣的章瑜特意帶孩子前來「追光」。 對於「80後」章瑜而言，盛夏夜的江南鄉間，三五夥伴相約尋找螢火蟲是最浪漫的童年回憶。然而，隨著環境變化，這份「浪漫」曾一度遠去。 螢火蟲是一種生態指示物種，被稱作「會呼吸的生態指示器」。浙江氣候溫暖溼潤、河湖眾多，生態環境適宜螢火蟲棲息。但過去幾十年裡，隨著工業化、城市化進程加快，螢火蟲棲息環境發生變化，導致其一度在多地銷聲匿跡。 嘉善縣螢火蟲「回家」的契機始於2019年。彼時，由上海青浦、江蘇吳江、浙江嘉善兩區一縣組成的長三角生態綠色一體化發展示範區成立，多項生態修復工程同步啟動，為螢火蟲生長提供生態系統保障。 經過多年努力，該縣已陸續迎回4個種類的螢火蟲，且水生、陸生和半水生種類在當地皆有分布。其中，該縣擁有的水棲類螢火蟲種類已佔全世界種類的三分之一。 螢螢之火，象徵著生物多樣性保護的「希望之光」。在「綠水青山就是金山銀山」理念指引下，螢火蟲「用翅膀投票」故事在浙江各地不斷上演。 7月7日，浙江慶元縣五大堡西洋殿景區，螢火蟲宛若「星河」。胡新強 攝 前段時間，麗水九龍國家溼地公園(以下簡稱「九龍溼地」)螢火蟲大規模再現的消息在生態攝影圈不脛而走，林間小徑、湖畔草叢中，成千上萬的螢火蟲在溼地間飛舞，點點螢光如繁星墜落。 麗水與螢火蟲，亦歷經一場「重逢之約」。 2022年，麗水遭遇極端高溫乾旱，九龍溼地螢火蟲種群數量驟減，部分區域每百平方米僅剩一兩隻。為修復螢火蟲棲息地，該地於2023年臨時關閉賞螢區，對九龍溼地周邊環境進行綜合整治。 經歷「閉關」後，九龍溼地螢火蟲種群恢復情況良好，已於2024年重啟賞螢活動。2025年，該處還通過雲計算、物聯網等構建「智慧大腦」，對溼地生態進行智能化、精細化管理。 生態美景催熱一年一度「螢火經濟」，帶動周邊農家樂、住宿餐飲等業態增收。 如今，每至「螢火季」，九龍溼地附近的農家小院、露營基地總是「一房難求」。來自長三角各地的遊客在此遊玩、吃飯、聊天，等待夜幕降臨共赴「星河」。 「螢火蟲不會說謊！有螢火蟲的地方生態環境優越，剛好適合『吸氧』。」入夏以來，在湖州德清莫幹山風景區，鮑紅女經營的民宿也因螢火蟲而「出圈」。 2015年，鮑紅女在民宿附近的水杉林中發現了幾隻螢火蟲，產生了打造螢火蟲基地的想法。此後，她著手邀請專家調研、復育螢火蟲，耗時三年使水杉林中流螢成群，為莫幹山旅遊增添一張生態名片。 近兩年，在其努力下，該處螢火蟲生態探索、夏日螢火蟲夜集等文化活動相繼落地，螢火蟲基地每年遊客量超3萬人次，有效帶動周邊土特產銷售、村民就業增收。 來去之間，螢火蟲在浙江的棲息變遷，恰是該省推動經濟發展與生態保護協同共進的一個縮影。點點螢火匯聚，生態之光照亮可持續發展之路，也讓「綠水青山」的饋贈惠及更多民眾。(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。
凤蝶直播
「活动」首次登录送新手大礼包
- 软件大小: 412.91MB
- 最后更新: 2025-12-10 15:20
- 最新版本: v17.15.16.17
- 文件格式: apk
- 应用分类:ios-Android 荔枝直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.24以上
客服热线：132-4578-6391
79365
27
2025-12-10 15:20
37185
83
2025-12-10 15:20
26839
32
2025-12-10 15:20
25867
83
2025-12-10 15:20
18267
62
2025-12-10 15:20
53984
94
2025-12-10 15:20
31978
83
2025-12-10 15:20
61539
19
2025-12-10 15:20
76315
32
2025-12-10 15:20
18
72419
52498
36
15439
73
38965
35
89627
89
78246
68275
29634