兩岸媒體共訪連橫紀念館
2026-03-06 07:48 8,918次浏览清晨7點的曹楊職校中點實訓室裡，面點教師史祥忠已經開始了一天的訓練。揉面、拉抻、塑形……動作行雲流水，一氣呵成。這位2001年出生的年輕教師，不久前剛剛斬獲上海市第二屆職業技能大賽中式面點項目金獎，即將代表上海出徵第三屆全國職業技能大賽。「高中時選擇了學習烹飪，沒想到這條路越走越寬。」史祥忠回憶起自己的職業起點，眼中閃爍著光彩。在南京求學期間，他憑藉過硬的技能在大賽中脫穎而出，不僅獲得保送本科的機會，更成為學生們津津樂道的榜樣。「普陀區技能學習的氛圍挺好的。」如今，這位曾經的技能大賽受益者，在曹楊職校開始了他的教師生涯。在史祥忠眼中，面點製作經歷了「技術—藝術—文化」的三重認知躍遷。他不僅精研傳統技藝，更將普陀本地文化元素融入創作。「比如悅來芳的翻毛月餅工藝，我就將其運用到了油酥作品中，它們工藝上有很多相似的地方，我想用傳統非遺技藝重新演繹新中式面點的製作方法。」史祥忠作品這種創新精神也體現在他的教學中。「傳統優秀的技藝我們要保持，很多創新其實是在傳統基礎上的升級。」史祥忠經常在課堂上演示傳統作品，同時鼓勵學生參加各類比賽，拓展行業視野。「教學與比賽是相互成就的。」作為專業教師，史祥忠正在積極打造曹楊職校烹飪專業的人才梯隊。他帶學生參與備賽過程，分享實戰經驗，將行業最新動態引入課堂。「面對AI和機械化的衝擊，我們必須培養學生的核心競爭力。」在他看來，未來的技能人才不僅要會動手，更要懂營養配餐、健康飲食等理論知識。今年，史祥忠將迎來職業生涯的重要挑戰——代表上海市參加第三屆全國職業技能大賽。與以往不同，本屆國賽中式面點項目從原來的3個擴展到8個，新增龍鬚麵、發酵麵團象形麵點、麵塑等品類，考核內容更加全面，向選手提出了全新挑戰。「看到比賽文件時確實感到壓力不小，但轉念一想，這不正是提升自己的好機會嗎？」史祥忠坦言，像龍鬚麵等北方選手擅長的項目，對南方選手來說是個不小的挑戰。但很快他就調整好心態：「量變引起質變，這正是突破自我的好機會。」為此，他制定了嚴苛的訓練計劃：每天清晨7點到校，晚上11點離開，中間只有短暫休息。十分考驗臂力的龍鬚麵項目，別人通常需要兩個月掌握，他硬是通過高強度訓練在半個月內攻克。區人社局表示：「我們特別注重像史祥忠這樣的技能人才的培養，他們既能站在學生的角度改進教學方式、提高教學質量，又能以教師身份通過校企合作、各級競賽、行業交流等，不斷提高自身技能水平，相輔相成，為學校育人，推動行業技能人才隊伍不斷強化。」為了激勵更多青年、勞動者在技能賽道上越走越通暢，普陀區出臺了《關於進一步加強普陀區技能人才隊伍建設的實施辦法》，從「培訓-評價-獲證-選拔-發展」給予技能人才成長成才全方位的支持。展望未來，史祥忠目標明確：「首先提升自己的課程教學能力，同時多接觸行業比賽和發展。」在普陀區這片技能人才沃土上，像史祥忠這樣的技能新秀正在茁壯成長。他們用匠心傳承技藝，用創新點亮未來，用實際行動詮釋著「技能報國」的深刻內涵。正如史祥忠對學生的寄語：堅持下去，路會越走越寬。
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。
tvn直播
「活动」首次登录送新手大礼包
- 软件大小: 981.84MB
- 最后更新: 2026-03-06 07:48
- 最新版本: v11.3.8.5
- 文件格式: apk
- 应用分类:ios-Android 趣爱直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.16以上
客服热线：137-9472-1824
桃花app类似软件
猜你喜欢
75681
21
2026-03-06 07:48
17534
43
2026-03-06 07:48
53491
42
2026-03-06 07:48
15423
32
2026-03-06 07:48
62937
85
2026-03-06 07:48
29615
98
2026-03-06 07:48
85139
47
2026-03-06 07:48
26135
69
2026-03-06 07:48
85739
25
2026-03-06 07:48
35862
81
2026-03-06 07:48
45897
96
2026-03-06 07:48
26
63
69274
83
31
85137
73
65123
64
76148
57182
73528