時政微觀察丨關乎人民幸福 關乎民族未來
2026-02-23 11:06 5,791次浏览8月14日電 題：世界「慰安婦」紀念日：她們的記憶，歷史的傷痕 作者 魏晨曦 今天， 第13個世界「慰安婦」紀念日， 歷史的傷痕仍在訴說。 2025年5月7日凌晨1時， 日軍「慰安婦」制度受害倖存者 小瑞奶奶(化名)離世， 享年96歲。 1930年，她生於戰火中的湖南； 1943年，13歲的她被日軍擄走， 囚禁、凌辱…… 傷痕深埋心底。 70餘年沉默，直至2021年， 她終於說出那段血淚記憶。 可直至生命盡頭，小瑞奶奶 始終未等到日方的道歉和賠償。 截至目前， 中國大陸登記在冊的 日軍「慰安婦」制度受害倖存者， 僅剩7人。 而在菲律賓馬帕尼克村， 10位年過九旬的老祖母 用顫抖的聲音唱起歌： 「請讓老祖母的心獲得治癒」。 1944年的那場浩劫， 將整個村莊的青春撕碎。 日軍封鎖全村，房屋被焚， 年輕女性被集體關押、強暴、奴役。 2023年12月22日，菲律賓「慰安婦」倖存者埃斯特莉塔(右)和娜西薩在馬尼拉參加一場聚會。記者 張興龍 攝 二戰期間，日本侵佔菲律賓， 強徵約1000名菲律賓婦女為「慰安婦」。 對於她們遭遇的暴行， 日本政府至今不僅一字未認、一句未歉， 反而對菲律賓「慰安婦」維權活動百般阻撓， 試圖抹去她們這段痛苦的歷史記憶。 這樣的二次傷害 比身體的傷害更深。 放眼亞洲， 約40萬名女性被強徵為「慰安婦」， 留下了終身難愈的傷痛。 2024年8月14日，菲律賓「慰安婦」權益保護組織——「菲律賓祖母聯盟」成員與部分「慰安婦」受害者家屬在馬尼拉舉行遊行示威。圖為家屬們手舉已故「慰安婦」照片。記者 張興龍 攝 數十年輾轉， 中國的倖存者在等， 菲律賓的倖存者在等， 在朝鮮、韓國、印尼、 馬來西亞、東帝汶、荷蘭…… 在世界各地， 還有無數的「她們」在等， 在等一句真誠的道歉。 資料圖： 韓國民眾聚集日本使館前抗議，並搬來一座「慰安婦」少女銅像。 歷史不會因時間褪色， 她們從未止步於沉默的等待。 勇敢發聲， 是這段歷史最有力的證詞； 拿起法律武器， 擊碎所有試圖抹去痕跡的謊言。 這份對正義的追尋， 已延續了三十餘年。 1992年，中國「慰安婦」受害者 首次向日本政府正式提出申訴； 三十多年後的2024年， 18名受害者的子女再次接力， 將訴訟遞交中國法院。 這是民間對日申訴32年來， 首次在中國的法庭上， 向日本政府追責。 在東京女性戰爭與和平資料館， 那些泛黃的證言、 塵封的法庭審判記錄， 亦將真相的鐵證一一陳列。 多年來，國內外有識之士 從未停下 「打撈記憶」 的腳步。 有人搜集史料，有人整理證據； 數十名倖存者更曾一次次遠赴日本， 在證言集會上撕開結痂的傷口， 讓真相穿透沉默。 有人把罪行釘成冊， 有人把證詞刻成碑。 以鐵證為刃，以正義為鋒。 這份不肯遺忘的執著， 只為讓歷史永不蒙塵， 讓苦難不再重演。 今年是抗戰勝利80周年。 八十年滄桑巨變， 地區衝突的戰火仍未湮沒， 世界和平警鐘長鳴。 血淚鑄就的過往 告誡我們： 銘記，不僅是懷念， 更是為了前行。 吾輩自強，捍衛尊嚴！ 山河不忘，浩氣長存！
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。
尖叫之夜免费直播
「活动」首次登录送新手大礼包
- 软件大小: 975.29MB
- 最后更新: 2026-02-23 11:06
- 最新版本: v6.7.16.3
- 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: 1.52以上
客服热线：139-2376-9526
百丽直播类似软件
猜你喜欢
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
-
2026-02-23 11:06
17
43986
84
95764
37
2026-02-23 11:06
81934
28
2026-02-23 11:06
97134
31
2026-02-23 11:06
59217
65
2026-02-23 11:06
29618
93
2026-02-23 11:06
34862
52
2026-02-23 11:06
14729
17
2026-02-23 11:06
83491
83
2026-02-23 11:06
15894
43
2026-02-23 11:06
39651
92
2026-02-23 11:06
65342
97632
12
53417
37582
91875
43
35967
92653
26453