文化觀察：出海微短劇如何擺脫「低級感」？
2026-03-04 07:13 7,857次浏览龍舟飛馳湖面，岸邊助威聲如潮。8月9日至10日，成都世運會龍舟項目激烈角逐，中國隊共取得兩枚銀牌。 本屆世運會，共有12支隊伍144名運動員參與龍舟項目角逐。比賽的激烈程度超出人們的預期，6個小項的18枚獎牌由6支代表隊瓜分。其中，印尼隊成為最大贏家，獲得3金2銀。 本屆世運會，龍舟、武術作為正式比賽項目首次登上世運舞臺，加上世運會「常客」——拔河，中國傳統體育項目盡展「國際範兒」。 龍舟相傳起源於我國先秦時期，賽龍舟不僅促進競技交流，還能傳承和弘揚傳統文化，彰顯民族精神。中國隊此次未能摘得金牌，出乎很多觀眾的意料。實際上，龍舟運動早已突破東亞、東南亞地區等傳統開展地區，被越來越多國家和地區的人們接受並喜愛，已擁有較為廣泛的參與人群，競爭日趨激烈。 據國際龍舟聯合會統計，目前該機構有近90個國家和地區成員(1991年成立時僅12個成員)，全球約有5000萬名龍舟愛好者。在此背景下，龍舟順利「划進」了世運會。 藉助成都世運會平臺，龍舟項目獲得了更多的關注。印尼選手達尤明隨隊摘得了2金1銀。她對記者表示，東南亞龍舟項目十分普及，每年印尼各地會舉辦多項龍舟賽事，「我希望通過世運會，能讓全世界更多的人了解這個項目，加入我們的行列」。 此次12支參賽隊伍中有西班牙、捷克、匈牙利、烏克蘭等4支歐洲隊伍，他們整體發揮出色。西班牙隊摘得了8人座公開組2000米追逐賽的銅牌，賽後隊員蒙特阿古多 拉戈對記者表示，龍舟項目最吸引他的就是龍頭張嘴的長船還有鏗鏘有力的鼓點，「這項運動體現了中國的文化特色，很有魅力，它需要團隊協作，這次是友誼的力量讓我們獲得了獎牌。」他還告訴記者，西班牙近年來有不少水上項目的愛好者開始體驗龍舟運動。 1984年，龍舟正式成為國內體育比賽項目後，迎來快速發展。2010年，廣州亞運會首次將龍舟納入正賽項目，此後的2018年雅加達亞運會、2023年杭州亞運會，龍舟都作為正賽項目亮相。2021年，龍舟還作為表演項目出現在東京奧運會上，這是龍舟在奧運會上的「首秀」。 成都世運會龍舟項目國際裁判趙曉俐認為，龍舟成為世運會正賽項目，「既得益於其在全球的普及度大增，也因為這項古老運動所持續進行的現代競技轉型」。記者了解到，有別於傳統民俗活動中的龍舟賽，為適應競技比賽和時代，成都世運會的龍舟項目精簡了參賽人數，縮短比賽距離，同時要求每支龍舟隊都要有一定比例的女性選手。 與龍舟類似，武術具有悠久的歷史和深厚的文化底蘊，被譽為我國的國粹。此次世運會，武術首次成為正式比賽項目，設置了武術套路和散打兩個分項。在女子太極拳-太極劍決賽中，盧卓靈為中國代表團摘得了本屆世運會的首金。 近年來，武術在世界體育大賽中影響力不斷增強。1990年開始，武術長期成為亞運會正式比賽項目。世運會上，從2009年作為邀請項目首次亮相，到如今首次成為正式比賽項目，武術在世界範圍內獲得了充分認可。此外，武術還入選了2026年達喀爾青年奧運會。 國際武術聯合會秘書長張玉萍認為，武術在亞洲廣泛開展，群眾基礎好，世界其他地區水平也在快速提升，武術發展進入了新的歷史階段。「本屆賽事彰顯了武術的深厚文化底蘊與國際競爭力，我相信，武術項目終將進入夏季奧運會。」 趙曉俐認為，中國傳統體育項目通過世運會的舞臺，拓展了世運會的多樣性，也進一步增強了這些項目的影響力，為今後更廣泛地進入世界綜合性體育大賽奠定了良好基礎。 (本報成都8月10日電)
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。
鲨鱼直播
「活动」首次登录送新手大礼包
- 软件大小: 873.95MB
- 最后更新: 2026-03-04 07:13
- 最新版本: v8.13.8.10
- 文件格式: apk
- 应用分类:ios-Android 牡丹直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.89以上
客服热线：139-3872-7194
37
23
47513
31
2026-03-04 07:13
36248
14
2026-03-04 07:13
29815
82
2026-03-04 07:13
53214
74
2026-03-04 07:13
28165
31
2026-03-04 07:13
25143
91
2026-03-04 07:13
97125
36
2026-03-04 07:13
83924
76
2026-03-04 07:13
54927
64
2026-03-04 07:13
39725
93
65149
32
42
73
67
81624
51
59847
72
