普陀區舉辦「政府開放月」營商環境專場活動，推進政策「精準速遞」
2026-03-18 10:37 2,912次浏览三亞8月3日電 (記者 王曉斌)這個夏天，海南榴槤迎來連續第三年規模化掛果與批量上市。作為國產榴槤產業「破冰」的開拓者之一，吉林省鴻翔種業有限公司董事長、海南省鴻翔農業集團優旗投資有限公司(下稱「海南優旗」)董事長馮彥輝，近日受訪時回憶從「零」起步艱難探索國產榴槤產業的發展之路。他認為，國產榴槤是有待持續開發的「藍海」。 馮彥輝(右三)在海南的榴槤種植基地查看榴槤樹長勢。受訪者供圖 馮彥輝說，2018年，已在玉米種業深耕二十餘年、做到全國前列的鴻翔種業正面臨發展瓶頸。手握資金的他急需尋找新產業突破口。恰逢海南自貿港建設啟動，加之企業本身在海南有南繁育種基地，馮彥輝便將目光聚焦海南。2019年8月，一篇題為《榴槤在海南成功掛果 專家表示審慎樂觀》的報導，使馮彥輝受到啟發，成為其決心投資榴槤產業的「關鍵引信」。 熱帶特色高效農業是海南自貿港建設四大主導產業之一。「別人關註標題中的『審慎』，我們更看重『樂觀』。」馮彥輝說， 他看到新聞後隨即帶領團隊實地調研海南各地零星存活的榴槤樹，確認種植可能性的同時，也清醒認識到最大風險——颱風。最終，他們在三亞育才生態區選定了一片背風近水的土地，一次性種下首批500畝榴槤苗。 2025年7月16日，海南省保亭黎族苗族自治縣的華盛紅毛丹種植基地的榴槤樹迎來又一年豐收。2019年記者採寫的《榴槤在海南成功掛果 專家表示審慎樂觀》報導，描述的正是該基地的這批榴槤樹。記者 王曉斌 攝 彼時國內沒有如此規模的榴槤種植經驗，團隊幾乎踩遍技術「雷區」：挖坑種植導致積水爛根，苗株大量死亡；錯估需水量，灌溉系統被迫兩度升級；部分樹苗未剪鬚根導致「窩根」種下兩三年不見長，只得挖起重栽…… 「邊幹邊學，就是靠一股勁兒和堅定的投資支撐下來的。」馮彥輝感慨道，當2023年最早種下的榴槤樹成功掛果時，馮彥輝和團隊沸騰了：「那一刻太興奮了，所有辛苦沒白費！」此後，隨著榴槤種植面積不斷擴大及掛果榴槤樹越來越多，榴槤加工廠、國際榴槤交流中心……海南的國產榴槤產業開始向加工、服務延伸。 國產榴槤供不應求，為何還要布局加工和服務？馮彥輝解釋，國產榴槤產果期集中在7至10月，產業鏈人員在非產季需工作。依託海南自貿港「加工增值超30%免關稅政策」，公司在淡季採購東南亞榴槤加工銷售。這一策略既維持了全年產能和人員穩定，又帶動就業，並通過產品差異化覆蓋多層次市場。 7月19日，在海南三亞的榴槤種植基地，來訪者與榴槤樹合影。記者 王曉斌 攝 目前海南全省榴槤種植面積據估計已突破5萬畝。馮彥輝認為，前路挑戰與機遇並存。挑戰方面，技術瓶頸首當其衝：旱季缺水問題卡住樹木生長「命脈」；葉蟬等病蟲害防控方案仍需優化。機遇方面，國內消費市場對榴槤的巨大熱情及需求仍不斷增長。 馮彥輝說，為拓展榴槤生存版圖，海南優旗已在三亞以北的白沙黎族自治縣開闢100畝試驗田，直面冬季低溫挑戰。他透露，已有投資者在緯度更高的雲南西雙版納試種榴槤。從海南島南部出發，中國榴槤的規模化種植邊界正被不斷向北拓展。(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。
魅影看b站直播
「活动」首次登录送新手大礼包
- 软件大小: 249.16MB
- 最后更新: 2026-03-18 10:37
- 最新版本: v1.6.16.13
- 文件格式: apk
- 应用分类:ios-Android 秀色直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 1.37以上
客服热线：133-7832-5217
76824
58
61573
32651
29
2026-03-18 10:37
58647
95
2026-03-18 10:37
78631
79
2026-03-18 10:37
87695
45
2026-03-18 10:37
28396
15
2026-03-18 10:37
14937
63
2026-03-18 10:37
69271
26
2026-03-18 10:37
34587
38
2026-03-18 10:37
19235
86
2026-03-18 10:37
27584
45
94
68
75
25934
71548
47192
56183
