免費1小時停車、餐飲打折！逛書展太友好了吧
2025-10-31 14:37 4,429次浏览廣州日報訊 (全媒體記者何雪華)昨日，廣東省疾控局公布近日佛山市禪城區司法局、南海區衛生監督所等部門基孔肯雅熱防疫的典型案例，目前已有機構因未及時清理蚊蟲孳生地等受到行政處罰。 據介紹，近期，為落實省、市、區疫情防控工作，保障人民群眾生命健康安全，廣東省佛山市衛生健康、城市管理和綜合執法等部門已全面下沉開展執法檢查，進一步加大執法力度，對人流密集的公共場所、醫療機構等場所持續開展蚊媒傳染病防控衛生監督檢查工作，落實落細基孔肯雅熱和登革熱傳染病防控措施，其間對違反規定的單位、個人依法予以處理。 小區泳池雜物堆積 蚊幼蟲積水中蠕動 禪城區衛生健康部門執法人員在對某小區遊泳池進行現場監督檢查時，發現該小區泳池水質處理設備機房和池周溢水，槽內長期未清理，樹葉、泥土堆積，導致排水不暢產生積水，積水中已見蚊幼蟲蠕動。執法人員發現後，當場對泳池負責人進行基孔肯雅熱和登革熱傳染病的防控宣教，並根據《廣東省愛國衛生工作條例》第六十九條、《廣東省病媒生物預防控制管理規定》第十七條的規定，對該單位當場給予警告的行政處罰，同時責令立即改正。 水培植物水體渾濁 肉眼可見蚊蟲孳生 日前，禪城衛生健康部門執法人員對禪城區內接待境外人員的酒店及住所場所進行蚊媒傳染病防控專項監督檢查工作。檢查期間發現某一酒店前臺放置的一盆水培富貴竹容器內，水體渾濁，水中可見蚊幼蟲孳生。該酒店負責人解釋，是因員工換水時未衝洗植物根部導致。執法人員當場對該酒店負責人進行疫情防控宣教，強調防控工作的重要性。但酒店疏於清理，已導致孳生蚊幼蟲甚至成蚊飛出的結果，違反《廣東省愛國衛生工作條例》第四十二條、《廣東省病媒生物預防控制管理規定》第十一條的規定，執法人員依法對該酒店作出警告的行政處罰，同時責令立即改正。 餐館隨意傾倒積水 造成蚊媒滋生隱患 城市管理部門執法人員在開展執法檢查的過程中，發現某飲食店鋪不按規定的時間、地點和方式，隨意在前街道路側邊傾倒汙水，傾倒面積超0.8平方米。因該店鋪未自覺遵守公共環境衛生規定、維護公共環境衛生，隨意傾倒汙水造成環境衛生破壞，造成蚊媒滋生隱患，增加了所處地區基孔肯雅熱和登革熱傳播流行的風險。為此，執法人員對店鋪經營人進行疫情防控宣教，並根據《佛山市城市市容和環境衛生管理規定》第二十八條、第四十五條的規定，對該店鋪責令限期改正，如不改正將予以立案查處。 水養綠植不常換水 容器中蚊幼蟲遊動 此前，南海區衛生監督所執法人員對某企業進行監督檢查的過程中，發現該公司水養綠植的容器中可見蚊幼蟲遊動。該企業負責人表示，辦公室的水養綠植確實不常換水，平時都有注意關紗門紗窗但還是經常被蚊子咬，現在恍然大悟，原來蚊子就在自己的身邊。執法人員依據《廣東省病媒生物預防控制管理規定》，對該公司上述水養綠植孳生蚊蟲行為給予了警告的行政處罰，同時責令立即改正。負責人當場對水養綠植進行換水和清潔，並表示今後一定會常常換水，避免再次孳生蚊幼蟲。執法人員提醒，針對上述情況，如果逾期不改的，將會對單位處以最高1000元的罰款。
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。
樱桃直播
「活动」首次登录送新手大礼包
- 软件大小: 869.81MB
- 最后更新: 2025-10-31 14:37
- 最新版本: v10.16.14.12
- 文件格式: apk
- 应用分类:ios-Android 夜月视频直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 1.63以上
客服热线：134-6895-1475
84
49
67312
86
2025-10-31 14:37
51239
16
2025-10-31 14:37
59462
49
2025-10-31 14:37
63914
74
2025-10-31 14:37
69547
27
2025-10-31 14:37
62574
63
2025-10-31 14:37
91327
46
2025-10-31 14:37
52693
29
2025-10-31 14:37
69713
72
2025-10-31 14:37
49
85
96
58729
65147
89
38617
79
49768
57
52
38952
73856
24
71