烤串師傅「轉正」為燒烤料理師！新工種帶來哪些新變化？
2025-10-22 05:55 1,593次浏览咖啡廳，現在成了不少人處理工作，休閒聊天的場地，但有人專門盯著這些地方下手盜竊筆記本電腦等貴重財物。在北京海澱警方偵辦的一起案件中，男子作案後還三次更換衣物，企圖混淆視線。 事發當日下午，市民王女士在北京市海澱區一家咖啡廳辦公。因臨時接到電話，她起身走到門口接聽，將筆記本電腦和一副價值千元的耳機留在桌上。可返回時，桌上的物品已不見蹤影。確認被盜後，王女士於次日到派出所報案。 男子舉止可疑 坐在角落四處觀看 公共場所視頻顯示，當天下午，一名戴著墨鏡和口罩、穿著印有1977圖標上衣的男子出現在這家咖啡店內，坐在王女士身旁的座位。 北京市公安局海澱分局田村派出所民警 蘇皓：他先是坐在大廳，大廳用電腦的人特別多，但人挨人比較密集，他沒有辦法下手。於是他後面選擇了咖啡館裡比較偏僻的角落，一直坐著，沒有叫任何吃的喝的，但店員覺得咖啡店這種人太多了，也沒有注意。 當時王女士專注於用電腦辦公，並沒有察覺這名在室內仍戴口罩、墨鏡的男子有什麼異常。「嫌疑人充電玩手機，動作很輕微，時不時歪一下頭，奔事主這邊。」民警介紹。 見王女士起身離座，該男子緊隨其後，確認王女士出門接電話後，迅速返回。左右張望一番，便對王女士桌上的物品動了手，他戴著手套，把電腦、耳機放在手提袋裡後拎走。 嫌疑男子進入衛生間後消失 怎麼回事？ 然而，當警方試圖通過公共場所視頻追蹤嫌疑人的逃跑路線時，卻遇到了難題，視頻畫面中竟然找不到這個穿著1977圖標上衣的男子進出商場的畫面，嫌疑人仿佛人間蒸發了一樣。 作案後，男子最後消失的畫面是進入了衛生間。民警將同時段所有進出衛生間的人員，進行比對，發現一名穿著黑色西裝的男子，跟嫌疑人有很多相似之處。 進入商場後換裝 盜竊得手後再換回 反覆比對後，警方終於理清頭緒，嫌疑人並非真的消失，而是穿著黑色西裝進入商場，隨後去衛生間換上1977圖標的上衣，再前往咖啡廳伺機作案，盜竊得手之後，再次前往衛生間，換回黑西裝，離開商場。 將盜竊物品存入儲物櫃 再次換裝後取走 警方順著線索繼續追蹤視頻，發現該男子又換回1977圖標上衣，來到附近一家超市，將盜竊物品藏進儲物櫃後便在一旁暗中觀察。 直到當晚超市臨近關門，嫌疑人換了一身胸口帶紅標的黑色休閒裝，才到儲物櫃取出盜竊來到物品。 精心策劃三次換裝 專在咖啡廳尋找目標 儘管嫌疑人精心策劃了換裝計劃，進行了三次換裝，但警方通過對他的體態、步態和隨身物品的細節分析，最終鎖定了一名有盜竊前科的男子周某。 民警蘇皓介紹，警方通過鞋、走路的姿態，還有某超市的白色購物袋，辨認出三次變裝是同一個人。他本人有過兩次的盜竊前科。 在掌握充分證據後，民警在周某的暫住地將其控制，當場起獲了王女士被盜的筆記本電腦和耳機。 經審訊，周某對盜竊事實供認不諱，目前，嫌疑人周某因涉嫌盜竊，被北京警方依法刑事拘留。據周某交代，自己因長期無業，便重操舊業，專門在咖啡廳、圖書館等場所尋找作案目標。 針對此類案件，警方提示，在公共場所務必提高防盜意識，保護好自己的財物。畢竟，防範勝於補救，安全意識的提升才是避免損失的關鍵。(來源：央視新聞客戶端)
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。
趣爱直播
「活动」首次登录送新手大礼包
- 软件大小: 142.26MB
- 最后更新: 2025-10-22 05:55
- 最新版本: v18.6.12.1
- 文件格式: apk
- 应用分类:ios-Android 红楼直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.72以上
客服热线：132-5193-8293
58132
28
72
41925
93
2025-10-22 05:55
46925
83
2025-10-22 05:55
39846
86
2025-10-22 05:55
57439
89
2025-10-22 05:55
75921
71
2025-10-22 05:55
98267
64
2025-10-22 05:55
25461
95
2025-10-22 05:55
13745
74
2025-10-22 05:55
39157
48
2025-10-22 05:55
84237
83
35
68124
47
82159
45978
38
59134
27
