探秘周原遺址的「三重城」（賡續歷史文脈·考古故事）
2025-11-05 19:12 4,712次浏览嘉興8月10日電(記者 左宇坤)在有著「東方氫港」之稱的嘉興港乍浦港區，巨大的龍門吊伸出長長的懸臂，將貨物從貨輪上吊裝上岸。一輛輛白、藍、綠塗裝的氫能集卡穿梭於堆場和碼頭間，目前已有100輛氫能集卡在港內運行。 這些氫能集卡展現出不俗的性能：每次加氫只要十幾分鐘，續航裡程約450公裡，平均氫耗8公斤/百公裡；每年可節約燃料成本約300萬元，減少碳排放近1萬噸。 嘉興港乍浦港區行駛的氫能車。 左宇坤 攝 這些氫能集卡所屬企業羚牛氫能品牌總監徐智敏對記者表示，不同於電車在乘用車領域表現突出，氫能車因為續航長、加氫快，在商用車領域更加適配。 徐智敏提到了氫能車在港口場景應用的一個特別優勢：傳統油車在啟動和停止的環節是特別耗油的，但氫能車不會因為反覆啟動而特別耗氫，尤其適合需要啟停較多的港口作業。 「除了港口，冷鏈配送也是氫能車的一個很好的應用場景。因為冷鏈車需要製冷，如果使用電車會大大影響續航，氫能車長續航裡程的優勢顯著。」徐智敏說。 由此看來，如何找到更匹配的使用場景，對氫能產業的未來發展十分重要，也就是做好氫能「制-儲-運-加-用」全產業鏈的「用」這一環。 國家能源局發布的《中國氫能發展報告(2025)》指出，中國的氫能產業正從試點探索逐步進入有序破局的新階段。如果說一些起步更早的國家在技術方面形成優勢，那麼多元化的應用場景則是我國核心競爭力的重要來源。 首先，價格是市場準入與規模化的關鍵門檻。作為能源載體價值鏈的終極輸出變量，其定價水平直接決定了終端市場的規模。 徐智敏介紹，國外很多地方加氫的價格達到每公斤十幾歐元；而國內氫氣價格在不同城市有所不同，一般來說加上補貼，多集中在每公斤三十元人民幣上下。 其次，如同充電樁之於電車，如何為氫車配備足夠的加氫站，成為氫能生態系統中不可或缺的重要支點。 「氫能想要走到千家萬戶，跟氫氣站的布局緊密相關。」浙江聯和氫能科技有限公司從最開始就負責嘉興港的加氫站建設，公司副總張繼華對記者表示，目前為止全國的加氫站還比較少，累計有500多座。加氫站更加充足、氫氣供給更加便宜是氫能未來發展的必要條件，除此之外還有氫氣的安全管理問題。 氫能作為21世紀重要的清潔能源載體，正在全球能源變革中發揮關鍵作用。在「雙碳」戰略指引下，氫能產業已成為培育新質生產力的重要領域，更是推動能源結構優化與綠色低碳發展的核心突破口。 嘉興是浙江首批發展氫能產業的試點城市之一，嘉興港區也是嘉興氫能產業的示範區。化工新材料作為該港區支柱產業，富餘的工業副產氫奠定了氫能產業發展的基礎，制、儲、運、加、用，完整的氫能產業發展生態正在嘉興港區加速成形。 一「氫」多「能」，下遊應用場景四處可見。立足港口，放眼航運，嘉興港區啟動了64標箱氫燃料動力貨櫃船舶的研發，搭載2套240千瓦氫燃料電池組，續航約380公裡。 據了解，該氫能船舶已建好，正在聯調聯試，計劃今年8月底正式下水運營，用於乍浦港到下沙港的內河運輸航線，未來將進行運營示範和效益驗證，打造綠色氫能內河貨櫃運輸專線。(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。
花椒直播
「活动」首次登录送新手大礼包
- 软件大小: 598.58MB
- 最后更新: 2025-11-05 19:12
- 最新版本: v6.15.4.18
- 文件格式: apk
- 应用分类:ios-Android love直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 6.57以上
客服热线：131-4967-1394
花椒直播类似软件
猜你喜欢
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
-
2025-11-05 19:12
96417
15
72514
49728
46
2025-11-05 19:12
91483
63
2025-11-05 19:12
54932
37
2025-11-05 19:12
51293
56
2025-11-05 19:12
28579
97
2025-11-05 19:12
91235
35
2025-11-05 19:12
28416
67
2025-11-05 19:12
37486
76
2025-11-05 19:12
89671
36
2025-11-05 19:12
35921
45
2025-11-05 19:12
94
85429
94
67439
67
27
76
32
81
49