中國成功發射衛星網際網路低軌08組衛星
2026-02-23 12:41 6,563次浏览山東博興8月9日電 (記者 沙見龍)以「數啟新程·智領未來」為主題的數智化轉型標杆實踐交流會8月9日在山東省濱州市博興縣召開。來自相關領域的專家、學者及知名企業代表等與會，分享前沿數智化技術和先進轉型經驗，助力石化行業數智化轉型。 當前，數位技術的飛速發展正在重塑各行各業的競爭格局，而數智化轉型已成為企業提升核心競爭力的關鍵路徑。 圖為交流會現場。沙見龍 攝 「要實現『多打糧食』，就得通過數位化、流程化、智能化三步走，聚焦效率、效益，做好資源配置、人才培養、組織優化，提升客戶價值的實現能力。」山東京博控股集團有限公司數智化轉型運營中心助理總經理吳家安現場介紹「數智京博」建設經驗。 目前京博數智化基於三大主線提升客戶價值、賦能高效運營及驅動可持續發展：以客戶為中心，賦能端到端價值鏈，促成客戶滿意的價值創造主線；推動數位化深度融合，構建公司可持續發展體系的內部運營主線；打造先進可靠的數位化基礎設施的數智化保障主線。 「隨著新一輪科技革命和產業變革深入發展，我們積極整合數字科技創新資源，加快形成新質生產力。」吳家安表示，京博將聚焦「AI+研發」「AI+生產」「AI+經營」三大產業場景，圍繞「算力與智能裝備線」「模型算法線」等6條主線開展「人工智慧+」行動。 圖為與會嘉賓分享數智化轉型經驗。沙見龍 攝 蘇州沃時數字科技有限公司CEO曾琢以「Al+研發落地應用與實踐」為題，闡述利用實驗室自動化與人工智慧優化化學製造的路徑。在實踐中，該公司以獨特的AI計算平臺和實驗室自動化平臺相結合的模式，賦能化工、新能源、新材料企業工藝研發與創新，打造高質高效AI自動化合成平臺，通過人工智慧進行設計、合成、測試，實現目標化合物路徑發現與自動合成。 曾琢表示，化學合成是化工、新材料、醫藥研發的基石，但傳統工業(醫藥、化工、新能源、材料)技術研發依賴逐級放大，且周期長、投資大，探索化學空間的速度已遠落後於發展需求。「實驗室自動化智能化可為化工研髮帶來顛覆性變革，使成本更低、效率更高。」 圖為與會嘉賓分享數智化轉型經驗。沙見龍 攝 「化工行業基本經歷了機械化、電氣化和自動化階段，大都處在工業2.0和3.0的混合狀態。整體來看，雖然各企業智能化轉型意願偏積極，但依然分化明顯。」在中化信息雲事業部總經理湯政翰看來，中國多數大型化工企業的管理能力、精細化運營能力等都有待增強，創新能力和國際市場競爭力與世界一流水平還存在差距，升級任務緊迫。 隨著國家對打造行業領域專屬公有雲的重視，「化工行業雲」應運而生。湯政翰介紹說，藉助中國中化數位化轉型的成功經驗，「化工行業雲」對推動產業鏈上下遊企業業務協同、資源整合和數據共享具有重要意義，能夠搭建共性解決方案，加強協作配套，助力大中小企業實現「鏈式」轉型，帶動化工行業高質量發展。 「一個完整的企業AI擁抱閉環，要立於認知、基於數據、成於算法、融於場景。」山東京博控股集團有限公司董事、CIO唐亮對企業數智化轉型方面感受頗深。他在接受記者採訪時提到，企業擁抱AI打造新的核心競爭力，本質上是在數位化轉型基礎上的再一次認知升級和能力躍遷。AI不僅是技術工具，更是重塑企業價值創造邏輯的關鍵驅動力。這要求管理者從「技術採購思維」轉向「智能原生思維」，重新思考如何用AI重構價值創造過程。(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。
黄瓜直播
「活动」首次登录送新手大礼包
- 软件大小: 934.17MB
- 最后更新: 2026-02-23 12:41
- 最新版本: v2.11.17.15
- 文件格式: apk
- 应用分类:ios-Android 桃鹿直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.13以上
客服热线：133-2159-8247
28
25947
15
2026-02-23 12:41
91683
83
2026-02-23 12:41
86157
54
2026-02-23 12:41
89732
97
2026-02-23 12:41
68471
92
2026-02-23 12:41
92618
42
2026-02-23 12:41
43792
54
2026-02-23 12:41
68729
17
2026-02-23 12:41
95218
87
2026-02-23 12:41
73912
14
46982
46975
15842
89347
47
43
72
63124
97641
39786
25439
63147
45
76