貴州首個模塊化高層住宅「搭積木」式組裝 建築垃圾減少八成
2026-02-04 14:23 5,654次浏览吉林8月13日電 題：冰火絕境中鑄就豐碑：探秘零下40℃的抗聯密營 記者 蒼雁 石洪宇 初秋時節，吉林樺甸紅石林區龍崗山脈深處，蒿子湖密營遺址訪客絡繹不絕。作為東北抗日聯軍第一路軍規模最大、保存最完整的密營，這處三面環山、一面臨溪的隱秘基地，無聲訴說著那段經過冰與火淬鍊過的傳奇故事。 「這是抗聯時期的典型生存樣本。」東北抗聯蒿子湖密營紀念館館長吳豔濱，為訪客揭開了戰士們在零下40℃絕境中生存和戰鬥的故事。 蒿子湖密營內還原的抗聯戰士休息場景。 蒼雁 攝 1936年，侵華日軍對東北抗聯發動大規模「討伐」，實施「蓖梳山林」「鐵壁合圍」戰術，通過拉網式搜山企圖剿滅抗聯力量。抗聯部隊被迫退入長白山深處，轉入深山遊擊作戰。1938年，楊靖宇率東北抗聯第一路軍於樺甸紅石林區建立蒿子湖密營。密營群佔地255公頃，地形錯綜複雜(當地稱「迷魂陣」)，由大小30餘處遺址組成。密營群沿山澗分布，司令部、被服廠、槍械所、哨所構成深山中的「戰鬥生命線」。 樺甸為蒿子湖密營所立石碑。 蒼雁 攝 吳豔濱撥開雜草，指向一處半地下木構遺蹟：「這就是地窨子。面對日軍的『鐵壁合圍』，楊靖宇將軍帶領戰士構築了秘密生存網。」 地窨子是抗聯的「地下生存空間」，深挖地下1至2米，覆雜草偽裝，冬暖夏涼且隱蔽。隱秘而完備的生存體系、因地制宜的建造智慧，展現了抗聯將士在極端環境下的堅韌。其遺址不僅是軍事設施的實物見證，更是東北抗聯「艱苦卓絕、孤懸敵後」歷史的濃縮象徵。 寒冬時節，戰士們將煙囪深埋地下，數十根排管從溝底延伸至崗頂散煙，日偽偵察機只能看到升騰的霧氣。為避免午間炊煙暴露，楊靖宇甚至巧妙利用了245年樹齡、根部粗達近兩米的中空白松樹幹藏煙。 實景還原抗聯戰士如何利用樹木排煙。 蒼雁 攝 走進復原的地窨子，潮溼的泥土氣息撲面而來。吳豔濱指著牆根半尺高的土埂：「這是『火牆』——底部中間墊高，兩側留通風口，中間挖淺溝。生火時，熱量沿牆輻射，整面牆都成了暖源。」頂部鋪著土層，既防漏又禦寒。牆角半米直徑的火塘，石塊壘砌，白天煮野菜粥，夜晚驅寒，煙道精心設計，確保位置不洩。 「戰士們的鋪蓋，最厚不過兩層破棉襖，身下墊乾草獸皮，卻能讓『室內』在零下40℃的寒夜奇蹟般地保持在零上5℃的體感。」吳豔濱說。 然而，1939年的「大煙炮」(暴風雪)考驗著極限。《楊靖宇將軍傳》記載，樺甸地區連續降雪，積雪沒胸，氣溫驟降至零下45℃。地窨子火塘晝夜不熄，戰士們輪班守夜添柴。手凍僵握不住柴刀，就用布條纏緊；腳生凍瘡，便敷上曬乾的辣椒秧煮水。 營地的地窨子狹窄潮溼，半人高的木坑覆著樹枝雜草。戰士們懷抱步槍蜷坐而眠，棉絮撕條裹腳，單衣硬抗嚴寒。他們還發明了「向陽行軍」法，專走朝陽山坡，用融雪掩蓋足跡。若遇日軍獵犬追蹤，便毅然赤腳踏過刺骨冰河，以激流衝刷掉所有痕跡與氣味。 一棵百年松樹上，楊靖宇刻下的作戰標記依稀可辨。零下40℃的酷寒雖已遠去，但蒿子湖密營裡淬鍊的生存智慧與不屈抗爭，早已融入白山黑水的血脈。「火烤胸前暖，風吹背後寒」，盪氣迴腸的密營歌謠，是冰火絕境中鑄就的永恆精神豐碑。(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。
小草莓直播
「活动」首次登录送新手大礼包
- 软件大小: 531.53MB
- 最后更新: 2026-02-04 14:23
- 最新版本: v5.14.6.19
- 文件格式: apk
- 应用分类:ios-Android 桃花直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 2.87以上
客服热线：138-9615-8392
秀色直播app下载安装app类似软件
猜你喜欢
43521
42516
78
2026-02-04 14:23
73849
81
2026-02-04 14:23
78145
95
2026-02-04 14:23
59123
86
2026-02-04 14:23
31986
15
2026-02-04 14:23
64875
21
2026-02-04 14:23
59783
56
2026-02-04 14:23
79346
26
2026-02-04 14:23
38519
63
2026-02-04 14:23
82541
63
2026-02-04 14:23
84672
51
2026-02-04 14:23
59243
79853
43
46279
15
73962
67
