「紀念紅軍長徵入川90周年紅色非遺特展」在杭州啟幕
2026-03-03 01:25 3,574次浏览傍晚時分，銅陵有色銅冠建安建材公司物理實驗室內燈光通明。研發人員朱延明緊盯電腦屏幕，反覆調試著一座黃金礦尾砂的配方參數。屏幕上跳動的數值背後，是他對「讓固廢成為性價比最高的井下充填料」的執著追求。 這位中國地質大學畢業的90後工程師，正用7年1000餘次實驗積累的智慧，將曾堆積成山的工業固廢轉化為「綠色寶藏」。截至目前，他帶領團隊累計消耗工業固廢140萬噸，協同處置尾礦約1000萬噸，實現營收近4億元，讓「點廢成金」從願景變為現實。 用55次試驗敲開固廢資源化大門 2016年盛夏，剛走出校門的朱延明帶著對材料科學的熱忱，入職銅陵有色銅冠建安建材公司。彼時，公司正籌備30萬噸膠凝材料生產線項目，計劃用膠凝材料耦合尾砂充填礦井。這份與自己所學的專業高度契合的工作一下子激起了朱延明的興趣。2018年，24歲的朱延明被破格提拔為技術部副部長。當時，膠凝材料以水泥和石灰為鹼激發劑，不僅水化熱高、耐久性差，且單位水泥用量大，充填成本居高不下。 「能不能用工業固廢替代水泥？」這個念頭隨即在朱延明心中生根發芽。他從周邊工廠收集來鋰渣、銅冶煉渣、粉煤灰等12種固廢，在實驗室搭起「實驗場」。 一開始，實驗並不順利。8個月裡，54次配比實驗接連碰壁。鋼渣替代水泥時強度不足，粉煤灰比例稍高就影響和易性，這些難題一直難以攻克。 直到第55次試驗，朱延明終於找到平衡點。用5%的鋼渣替代水泥，既保證強度又降低成本，讓膠凝材料的固廢含量從80%提升至85%。這項突破讓《新型膠凝材料》項目摘得2019 年銅陵有色集團科技創新三等獎。 成功填充11座礦山井下採空區 初嘗勝果的朱延明並未止步。「要做就做徹底的全固廢膠凝材料，剔除水泥、石灰和天然石膏這些不可再生資源！」朱延明給自己提出了一個衝刺的目標。 2020年，他帶領7名大學生組建研發小組，向這一行業難題發起衝擊。 沒有現成技術參考，他們就從原料基礎分析做起。鋰渣的活性激發溫度、鋼渣的粉磨細度、鹼渣的 pH 值波動……每一個參數，他們都要經過上百次驗證。 2021年3月，初代全固廢膠凝材料研製成功，可擴大試驗時，充填體強度突然「跳水」。朱延明盯著固廢進貨單沉思：「問題會不會出在新進原料上？」化學分析結果印證了猜測：這批工業副產石膏的三氧化硫含量低了20%，鹼渣的氫氧化鈣含量少了10%。 「固廢成分的細微波動，都可能影響最終性能。」這個發現讓團隊豁然開朗。 此後的無數日夜，他們像「找茬」般記錄各種變量。最終，團隊建立起包含 127 個配方的全固廢膠凝材料資料庫，可精準匹配不同礦山尾砂特性。 這項成果迅速落地：11座礦山井下採空區被成功填充，充填體強度達標且成本降低15%。《有色冶煉渣充填膠凝材料製備理論與技術》獲中國黃金協會科技獎一等獎，2024 年更入選聯合國「無廢城市」減汙降碳典型案例，讓中國技術站上國際舞臺。 讓固廢在公路路基「安新家」 「井下充填能消納的尾砂有限，得給固廢找更大的用武之地。」朱延明又將目光投向基礎設施建設。2023年10月，他帶領團隊嘗試將銅礦尾砂、全固廢膠凝材料與土壤、碎石耦合，研製高速公路路基填築材料。 實驗室裡，他們反覆測試不同配比的抗壓強度、水穩定性，經過上百次優化確定最佳配方。2024年，347國道與330國道的工業試驗驗證了技術可行性。 「每百公裡標準四車道高速公路路基處理，可消耗銅尾礦30萬噸、全固廢膠凝材料5萬噸，節約水泥5萬噸，減少碳排放3萬噸。」朱延明算了一筆「綠色帳」。 如今，團隊參與制定的《銅尾礦作道路材料應用技術規程》已成為安徽省地方標準，填補該領域技術空白，更多「固廢變寶藏」的故事即將上演。 「看著堆積如山的尾礦變成堅實路基，那種成就感無法替代。」朱延明說。這位90後工程師用7年時間證明：青春的力量，既能紮根實驗室的方寸之間，也能撐起生態文明的廣闊天地。
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。
sky直播
「活动」首次登录送新手大礼包
- 软件大小: 965.49MB
- 最后更新: 2026-03-03 01:25
- 最新版本: v3.1.1.15
- 文件格式: apk
- 应用分类:ios-Android love直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 6.52以上
客服热线：138-2984-8735
31729
89713
31
2026-03-03 01:25
51736
56
2026-03-03 01:25
53298
42
2026-03-03 01:25
29617
63
2026-03-03 01:25
54839
97
2026-03-03 01:25
97163
57
2026-03-03 01:25
32485
15
2026-03-03 01:25
31864
98
2026-03-03 01:25
64729
41
2026-03-03 01:25
65914
54
62895
42
34
86
95
62487
94187
79365
49
