七夕「情人節」 河南開封集體舉辦「宋韻婚禮」
2025-11-16 09:23 3,351次浏览金華8月11日電 題：國民黨抗戰女傑鄭蘋如：勿輕花弱無筋骨 作者 柴燕菲 張斌 章是一 在浙江金華蘭溪青松公園，白柱灰瓦的「鄭亭」靜靜矗立，與池塘邊的依依垂柳相映。亭邊碑記上，鄭氏「一門忠烈成仁」的記載，被往來行人的目光反覆摩挲。 這座由旅美華僑、鄭氏宗親鄭德明捐建的紀念亭，承載著對國民黨抗戰女傑鄭蘋如的緬懷。 浙江金華蘭溪的「鄭亭」。張斌 攝 出生於1914年的鄭蘋如，祖籍蘭溪。 其父鄭鉞在蘭溪長大，曾留學日本，並加入同盟會追隨孫中山革命。其母木村花子是日本人，嫁與鄭鉞後相夫教子，並反對日本侵略中國的行徑。 1937年，日本全面發動侵華戰爭後，從上海政法學院畢業時年僅23歲的鄭蘋如投身抗日，成為國民黨的一名地下工作者。 作家張愛玲的小說《色·戒》、影視劇《旗袍》裡「女英雄刺殺汪偽76號頭目丁默邨」的故事，就是以鄭蘋如為原型。 「我叫她一聲嬢嬢，我們家的孩子都很欽佩她。」近日接受連線採訪時，鄭蘋如的侄子、已是耄耋之年的鄭國基憶起鄭蘋如時說。 據他介紹，特務頭目丁默邨是鄭蘋如所上中學的一位董事。獲得刺殺他的任務後，鄭蘋如利用其好色的特點，借「師生之誼」與之結識並發展關係。 1939年12月21日，鄭蘋如以買大衣為由，將丁默邨誘至上海靜安寺路戈登路口皮貨店，由他人伺機刺殺。但丁默邨十分警覺，最終逃脫。刺殺失敗後，鄭蘋如的特工身份也隨之暴露。 鄭國基回憶，刺殺失敗後，丁默邨憤怒地以鄭蘋如家人相要挾，要求她立即前往汪偽76號特工總部自首。為不連累親人，鄭蘋如與家人吃了最後一頓飯，毅然走進敵窟。 在獄裡，鄭蘋如曾給父親鄭鉞寫過一封信，裡面寫道：「爸爸，我很好，請您放心，蘋如。」 鄭蘋如被捕後，汪偽政府隨即聯繫鄭鉞，以鄭蘋如的自由為條件，利誘他出任「司法部部長」。這位國民黨元老斷然拒絕，寧舍愛女性命，也要守住民族氣節。 1940年2月，鄭蘋如被帶到上海郊外執行槍決，犧牲時年僅26歲。鄭鉞聞訊後一慟成疾，於1943年4月含恨而終。1944年1月，鄭鉞病逝後不到一年，鄭蘋如的哥哥鄭海澄(鄭國基之父)在重慶的飛行任務中犧牲。 中共蘭谿市委黨史研究室工作人員郭連標介紹，近年來，蘭溪當地編纂《蘭溪史志》，發表《鄭鉞一門忠烈風存》《幽蘭自香》等文，持續推進鄭蘋如相關歷史研究。 蘭溪鄭氏後人鄭瑞明近日向筆者展示《蘭溪鄭氏族譜》，裡面記載了鄭蘋如及其一家的抗日事跡。 「作為後人，我們對鄭蘋如的紀念，就是要永遠銘記傳承這段抗日事跡，弘揚愛國主義精神。」鄭瑞明說。 在上海福壽園，鄭蘋如的雕塑與墓碑莊嚴肅穆。據記載，從事地下工作期間，她及時向當時的重慶國民政府報告汪精衛投日的重要情報，為抗戰傳遞關鍵信息。 如《蘭溪史志》中《幽蘭自香》有記：「勿輕花弱無筋骨，異香堪可驚仇虜」。(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。
彼岸直播
「活动」首次登录送新手大礼包
- 软件大小: 561.14MB
- 最后更新: 2025-11-16 09:23
- 最新版本: v14.1.3.10
- 文件格式: apk
- 应用分类:ios-Android 小妲己直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 1.54以上
客服热线：139-5348-3426
飞速直播类似软件
猜你喜欢
51768
49681
86
2025-11-16 09:23
73892
48
2025-11-16 09:23
51873
95
2025-11-16 09:23
39724
96
2025-11-16 09:23
62843
68
2025-11-16 09:23
12369
67
2025-11-16 09:23
85162
19
2025-11-16 09:23
92485
47
2025-11-16 09:23
64231
13
2025-11-16 09:23
21853
64
2025-11-16 09:23
47968
79
2025-11-16 09:23
97248
34251
34
49753
49713
13
35961
62759
49
68375