自然資源部海洋發展戰略研究所報告：美式「航行自由」採用雙重標準 已異化為「軍事威脅的自由」
2026-03-10 14:56 6,694次浏览成都8月9日電 題：從「客廳道場」走向世界：阿魯巴唯一運動員的世運之旅 作者 單鵬 成都世運會開幕前，阿魯巴對大多數中國人而言極其陌生。轉折出現在開幕式當晚：當空手道運動員羅布·蒂默曼斯(Rob Timmermans)獨自揮舞著阿魯巴旗幟入場時，出眾的外形讓他迅速成為社交平臺焦點，也讓阿魯巴這座加勒比海小島隨之「出圈」。 阿魯巴位於加勒比海南部，距委內瑞拉約25公裡，是荷蘭的海外領地。阿魯巴面積180平方公裡，人口約11萬，全年陽光充沛，氣候溫暖，以白沙灘與藍珊瑚礁聞名，旅遊業是當地的經濟支柱之一。 「能代表阿魯巴參加成都世運會，並且作為阿魯巴唯一的運動員參賽，這種體驗非常獨特。」羅布說，「阿魯巴有絕美的熱帶風光和沙灘，我想推薦給中國朋友們。」 羅布·蒂默曼斯(Rob Timmermans)在比賽中。 田雨昊 攝 出生於1996年的羅布，少年時因身高優勢，把籃球作為第一夢想，但不久後就意識到天賦的天花板。恰逢弟弟布萊恩開始練空手道，羅布索性把球鞋換成道服，跟著弟弟在自家客廳開練。一家人把家具統統挪到牆角，再把拼圖墊鋪滿地板，客廳瞬間變成迷你道場，父親既當教練又當陪練，三人在「客廳道場」裡揮汗如雨。羅布在這裡打下了日後衝擊世界舞臺的基礎。 練習空手道多年，羅布參加過不少比賽，也取得了一些成績，這些積累讓他堅持了下來。如今，他是一名兼職空手道運動員——除日常工作外，每周抽出十幾個小時訓練。平時，他與父親和弟弟共同經營著一家小型空手道俱樂部，有時母親也過來幫忙打理日常事務。 「支撐我一路走到今天的，就是站上世界大賽舞臺的那一刻。」羅布說，今年3月，他鎖定了成都世運會空手道男子組手84公斤以上的一個席位，「全球數萬名空手道選手中，僅有8人獲此資格。」羅布格外珍惜來之不易的比賽機會，「空手道已暫別奧運，世運會就是我們的奧運會。」 9日下午，羅布迎來在成都世運會的首場比賽。憑藉此前的網絡熱度，他一出場便收穫滿場歡呼。前兩場預賽他連負烏克蘭與克羅埃西亞選手，陷入出局邊緣。預賽第三場，他調整節奏，以2：1戰勝一位實力出眾的法國選手，贏得阿魯巴在本屆賽事的唯一一次勝利。 羅布·蒂默曼斯(左一)與對手激烈交手。 田雨昊 攝 「雖然無緣半決賽，但我的最後一個對手實力很強，我設法打敗了他，這讓我很高興。儘管沒有獲得獎牌，這也是一個不錯的結束。」羅布賽後說，接下來他將轉戰瑞士、匈牙利及比利時參加更多空手道比賽，並爭取在2027年的泛美運動會站上領獎臺。 帶著不舍，羅布將在10日凌晨坐上回國的航班。從「拜會」大熊貓到乘坐火鍋巴士穿城，從乘船夜遊錦江到體驗古鎮茶藝，為期一周的成都之旅給他留下了無數難忘回憶。為了回應中國觀眾的熱情，羅布註冊了中國社交平臺帳號，並計劃分享更多日常生活和訓練的內容，「中國是一個很棒的國家，有很多值得參觀的地方，我會找個時間再來中國。」(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。
杏仁直播
「活动」首次登录送新手大礼包
- 软件大小: 764.83MB
- 最后更新: 2026-03-10 14:56
- 最新版本: v10.9.3.3
- 文件格式: apk
- 应用分类:ios-Android 大鱼直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 8.14以上
客服热线：132-6281-5137
37814
62
2026-03-10 14:56
38421
47
2026-03-10 14:56
98635
49
2026-03-10 14:56
54219
59
2026-03-10 14:56
43912
52
2026-03-10 14:56
56432
86
2026-03-10 14:56
91632
25
2026-03-10 14:56
58217
34
2026-03-10 14:56
45731
69
2026-03-10 14:56
81369
62874
23
18
79365
14576
27
51
48759
26
86475
47
