內蒙古自治區政府主席王莉霞被查
2026-02-04 04:45 4,257次浏览8月4日電 題：談到這位加拿大人，習近平稱「家喻戶曉」 「中國人民將永遠記住你們，記住世界人民為中國人民抗日戰爭作出的犧牲和貢獻！」 2015年9月2日，在中國人民抗日戰爭勝利70周年紀念章頒發儀式上，習近平總書記走到30名抗戰老戰士老同志、抗戰將領、幫助和支持中國抗戰的國際友人或其遺屬代表面前，親手為他們佩掛上紀念章。談及曾在抗戰中同中國人民並肩作戰的國際友人，總書記的話語真摯而堅定。 頒發儀式上，一個個響亮的名字穿越時空，迴響在人民大會堂金色大廳。諾爾曼·白求恩，這個在中國家喻戶曉的名字，也又一次被提起。 白求恩的堂孫馬克·威廉·白求恩接受了紀念章。這位加拿大電影人誠懇地說：「我的祖輩是中國人民的老朋友，我是中國的新朋友，我願將白求恩精神發揚光大。」 中國人民從未忘記白求恩這位老朋友。 1938年，為援助中國人民的解放事業，這位加拿大共產黨員、著名胸外科醫生不遠萬裡，率領一支醫療隊來到中國，帶來了大量的藥品和醫療器械。 到達晉察冀軍區後，白求恩率醫療隊奔走在槍林彈雨的前線，建立多處手術室和包紮所，救治了大批傷員。他還創辦衛生學校，編寫戰地醫療教材，培養了大批醫護人才；提議開辦衛生材料廠，解決了藥品不足的問題。 1939年11月12日凌晨，白求恩因搶救傷員受到感染，醫治無效病逝於河北省唐縣黃石口村。儘管與中國的緣分僅有不到兩年時間，但在生命彌留之際，他寫道：「最近兩年是我生平最愉快、最有意義的時日」。 白求恩的故事，習近平總書記曾多次談及。2013年10月，他在會見加拿大時任總督約翰斯頓時特別提到，「中國人民對加拿大人民懷有深厚的友好感情，白求恩大夫支持中國人民反對法西斯鬥爭的事跡在中國家喻戶曉」。 在共同抗擊法西斯的戰鬥中，還有許多像白求恩一樣的國際友人踏上當時戰火紛飛的中國大地，為中國抗戰勝利作出了重要貢獻。 這樣的義無反顧，中國人民始終記得。 印度醫生柯棣華、法國醫生貝熙葉、德國人約翰·拉貝、丹麥人辛德貝格、英國人林邁可、國際主義戰士漢斯·希伯、蘇聯飛行大隊長庫裡申科、美國「飛虎隊」......他們的事跡，習近平總書記曾多次動情講述。總書記還在國內外重要場合為曾幫助和支持中國抗戰的國際友人頒獎，向他們致敬。 「中國人民抗日戰爭的勝利，是中國人民同反法西斯同盟國以及各國人民並肩戰鬥取得的偉大勝利。」 「中國人民永遠不會忘記，世界上愛好和平與正義的國家和人民、國際組織等各種反法西斯力量對中國人民抗日戰爭給予的寶貴援助和支持。」 硝煙散盡，和平彌珍。以史為鑑，共創未來。 正如習近平總書記所說，「銘記歷史，不是為了延續仇恨，而是要共同引以為戒。傳承歷史，不是為了糾結過去，而是要開創未來，讓和平的薪火代代相傳。」 ｜出品人：陳陸軍 ｜總策劃：俞嵐 ｜策劃：吳慶才 ｜統籌：馬學玲 闞楓 ｜執筆：邵萌 ｜校對：孫靜波 ｜視覺：李伊璐 ｜中國新聞網「習言道」工作室出品
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。
直播软件下载
「活动」首次登录送新手大礼包
- 软件大小: 258.13MB
- 最后更新: 2026-02-04 04:45
- 最新版本: v18.5.18.8
- 文件格式: apk
- 应用分类:ios-Android 9.1樱花ppt网站大片
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.87以上
客服热线：138-4679-8643
31
74531
97316
51
2026-02-04 04:45
15264
85
2026-02-04 04:45
15638
74
2026-02-04 04:45
63289
58
2026-02-04 04:45
43916
21
2026-02-04 04:45
65312
63
2026-02-04 04:45
57986
82
2026-02-04 04:45
64159
98
2026-02-04 04:45
19725
59
2026-02-04 04:45
71623
98
19465
49623
31
62
28465
79
54
62341
57239
43
75