貴州畢節：石漠荒山變成「甜蜜果園」
2026-01-10 02:12 5,346次浏览太原8月11日電 (任麗娜)11日，山西省自然資源廳發布信息，該廳出臺《關於學習運用「千萬工程」經驗推進山西省全域土地綜合整治工作的實施意見(試行)》，計劃按照規劃先行、嚴守紅線、全域整治、產業導入、資金統籌、共同參與、綜合效益的原則，從2025年至2029年用5年時間，按需有序開展一輪全域土地綜合整治，助力全省和美鄉村建設。 此次整治由省級統籌項目立項，整治的實施區域將以縣域為統籌單元，由縣級人民政府依據國土空間規劃明確的土地整治目標、任務和空間安排等，選擇確有實施需求並具備實施條件的鄉鎮，合理劃分實施單元，原則上以一個鄉鎮為實施單元，條件成熟的地區結合實際可跨鄉鎮開展綜合整治工作。主要任務是促進城鄉要素交換流動，優化農村國土空間布局，改善農村生態環境和農民生產生活條件，保護歷史文化傳承，促進農村一、二、三產業融合發展和城鄉融合發展。另外，每年將從中評選不超過10個示範項目進行省級資金支持。 整治將在保持空間布局總體穩定的情況下，確保耕地數量不減少、質量有提升、生態有改善，整治區域內建設用地面積不增加，城鎮開發邊界基本穩定，生態保護紅線保護目標不降低的前提下，結合各級國土空間規劃對土地開發利用方式進行局部微調、統籌優化，但不得打破國土空間規劃確定的總體格局。重點對布局零星、破碎、散亂和配套設施不完善、不便耕種的地塊進行調整。調整永久基本農田應按照「數量不減、質量不降、布局優化」的原則進行補劃，補劃的永久基本農田應當是可以長期穩定利用的優質耕地。 為保護修復自然生態本底，整治將積極推動實施全省「七河」「五湖」和農村地區山水林田湖草沙一體化保護和修復，協同推進農村人居環境整治、森林植被恢復、生態清潔小流域等工程建設，改善農村生態環境。對已劃入生態保護紅線圍合範圍的耕地和永久基本農田可依據相關規定有序調整。 此次整治鼓勵採取改善供應條件、完善基礎設施等方式，推動農村集體經營性建設用地入市。對於具有文化內涵、歷史底蘊深厚和紅色資源豐富的村鎮，要將歷史文化和文物納入保護修復範圍，穩妥有序探索整溝治理模式。充分發揮「土地整治+」平臺作用，鼓勵結合農村優勢資源稟賦，強化農村特色產業導入，鼓勵發展鄉村特色產品，加強非遺保護，促進產業振興；鼓勵農村生物質能源開發利用；鼓勵光伏、風電等新能源設施興建。 《實施意見》還明確，整治中，嚴禁借全域土地綜合整治變相佔用調整永久基本農田，隨意調整佔用生態保護紅線和城鎮開發邊界，嚴禁破壞生態環境挖山填湖造景。嚴禁違法佔用林地、溼地、草地，禁止砍伐、非法移植古樹名木，不得以整治名義擅自毀林開墾。嚴禁破壞鄉村風貌和歷史文化文脈，變相搞房地產開發和利用農村宅基地建設別墅大院和私人會館，變相開採礦產資源，嚴禁使用固體廢棄物、重金屬汙染物或者其他有毒有害物質回填充填復墾。不得違背農民意願搞合村並居、大拆大建，強制或變相強制農民退出宅基地，強迫農民「上樓」。(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。
牡丹直播
「活动」首次登录送新手大礼包
- 软件大小: 452.85MB
- 最后更新: 2026-01-10 02:12
- 最新版本: v12.15.13.5
- 文件格式: apk
- 应用分类:ios-Android 韩国直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.15以上
客服热线：131-6985-4217
24
53718
92371
43
2026-01-10 02:12
72693
58
2026-01-10 02:12
24578
43
2026-01-10 02:12
14263
71
2026-01-10 02:12
45813
95
2026-01-10 02:12
74895
25
2026-01-10 02:12
23471
31
2026-01-10 02:12
87562
25
2026-01-10 02:12
51948
71
2026-01-10 02:12
97413
67924
75
34519
75834
26754
19
71395
79583
