IT之家 6 月 8 日消息，提起野生动物走私，我们或许会想到犀牛角、被当作宠物贩卖的红毛猩猩幼崽。但海洋生物走私这类鲜为人知的犯罪活动，同样会严重破坏海洋生态系统。令人担忧的是，鱼翅等常见走私海洋野生物品极易藏匿在行李或包裹中跨境运输，往往难以被查获。为解决这一难题，科研人员借助人工智能研发出一套算法，可识别鱼翅、海马、海参等常见走私海洋生物样本，识别准确率达 92%。 麦考瑞大学的瓦妮莎 · 皮罗塔博士是这篇发表于《海洋可持续发展前沿》期刊论文的第一作者，她表示：“野生动物交易残忍且违背道德。很多人可能还是第一次听说海洋野生动物非法走私。走私活动的目标不只是犀牛角、象牙这类大众熟知的物种。我们希望借世界海洋日，让这一问题受到广泛关注。” 海洋中的危机 据估算，全球海洋野生动物非法交易的年交易额高达数十亿美元，濒危物种因此面临巨大威胁。人们为食用、制药、制作饰品或当作宠物而贩运海洋生物，本就岌岌可危的生物种群生存状况进一步恶化。此外，活体走私的海洋生物一旦逃逸，还会在其他生态系统中成为外来入侵物种。然而，现场查处走私行为向来知易行难，这不仅导致走私活动难以遏制，也让其对生态环境造成的影响无法准确估量。 据IT之家了解，研究团队改造了机场现有的 X 射线计算机断层扫描设备。这类设备原本用于排查爆炸物及生物安全隐患，能对单一物品进行多次 X 光扫描，生成内部物品的三维影像。科研人员利用神经网络训练算法，使其能够在影像中识别常见走私物种，希望打造一套可自动标记可疑行李、交由人工核查的智能系统。 本次研究将识别对象锁定为鱼翅、海马和海参。鱼翅是热门食材，干海马则多用于传统药材交易。海参走私的相关记录相对较少，但已知其长期遭到非法过度捕捞。研究人员认为，海参走私的实际规模远比目前有据可查的情况更大。 研究人员共完成 298 组扫描样本，其中包括 20 份海参样本、30 份海马样本以及 18 份鱼翅样本，多数样本均来自以往查获的走私货品。研究人员为每份样本调整摆放位置、搭配不同场景，各拍摄五组影像，同时还制作了包含多种样本的混合扫描图。此外，他们还模拟走私分子的藏匿手段开展扫描：用锡纸、衣物包裹样本，或将其藏在儿童玩具内。研究人员还采用威胁图像投射技术，将上述扫描影像叠加到无违禁品的行李 CT 影像中，以此还原走私物藏匿于行李的真实场景。 科研人员用这批影像完成算法训练后，再使用一批从未接触过的影像对算法进行测试。 数据结果 该算法整体识别准确率为 92%：其中鱼翅识别准确率 95%，海马 96%，海参 86% 。算法误报率为 13%，分项数据为：鱼翅 2%、海参 1%、海马 9%。凭借超高的识别精度，这套智能检测算法有望成为打击走私的有力工具，截获大量躲过现有检查手段的走私货物，进而斩断走私链条，让海洋野生动物走私者受到法律制裁。 不过，这套针对特定物种的智能检测系统并非万全之策。海洋走私物种种类繁多，且设备误报情况仍需人工复核。同时，三维 CT 扫描仪造价高昂，并非所有机场都配备，不少机场仍在使用二维扫描设备。因此智能检测系统只会作为现有检查手段的补充，而非替代品。 皮罗塔表示：“我们只能依据过往查获的案例，模拟现实中的走私场景。人工智能并非检测工作的万能良药，也无法取代人工排查与缉私犬的作用。”
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
各位 V 友，大模型写代码最怕的就是遇到隐藏的 boundary 逻辑错误，单纯靠 Linter 根本看不出来。 分享一下 Antigravity 2.0 在沙箱中自动闭环 TDD 的原理（编写用例 -> 捕获断言报错堆栈 -> 反馈修改 -> 重测通过）。有了单元测试作为客观判定锚点，Agent 在自主开发时的正确率明显高上了一大截。 欢迎来踩和讨论： https://aidevhub.net/blog/google-antigravity-tdd-self-correcting-loop
各位 V 友，大模型写代码最怕的就是遇到隐藏的 boundary 逻辑错误，单纯靠 Linter 根本看不出来。 分享一下 Antigravity 2.0 在沙箱中自动闭环 TDD 的原理（编写用例 -> 捕获断言报错堆栈 -> 反馈修改 -> 重测通过）。有了单元测试作为客观判定锚点，Agent 在自主开发时的正确率明显高上了一大截。 欢迎来踩和讨论： https://aidevhub.net/blog/google-antigravity-tdd-self-correcting-loop
大家好，请教大家一个问题 我目前是全栈偏后端 遇到一个问题，现在开发前端项目的时候就是现在给 cursor prd 文档以及图片，读取准确率不是很高 想给他一个提前预读取的文档，比如当前项目技术栈，组件选择问题，组件参数问题，特殊边界问题等
大家好，请教大家一个问题 我目前是全栈偏后端 遇到一个问题，现在开发前端项目的时候就是现在给 cursor prd 文档以及图片，读取准确率不是很高 想给他一个提前预读取的文档，比如当前项目技术栈，组件选择问题，组件参数问题，特殊边界问题等
大家好，请教大家一个问题 我目前是全栈偏后端 遇到一个问题，现在开发前端项目的时候就是现在给 cursor prd 文档以及图片，读取准确率不是很高 想给他一个提前预读取的文档，比如当前项目技术栈，组件选择问题，组件参数问题，特殊边界问题等
大家好，请教大家一个问题 我目前是全栈偏后端 遇到一个问题，现在开发前端项目的时候就是现在给 cursor prd 文档以及图片，读取准确率不是很高 想给他一个提前预读取的文档，比如当前项目技术栈，组件选择问题，组件参数问题，特殊边界问题等
大家好，请教大家一个问题 我目前是全栈偏后端 遇到一个问题，现在开发前端项目的时候就是现在给 cursor prd 文档以及图片，读取准确率不是很高 想给他一个提前预读取的文档，比如当前项目技术栈，组件选择问题，组件参数问题，特殊边界问题等
大家好，请教大家一个问题 我目前是全栈偏后端 遇到一个问题，现在开发前端项目的时候就是现在给 cursor prd 文档以及图片，读取准确率不是很高 想给他一个提前预读取的文档，比如当前项目技术栈，组件选择问题，组件参数问题，特殊边界问题等
大家好，请教大家一个问题 我目前是全栈偏后端 遇到一个问题，现在开发前端项目的时候就是现在给 cursor prd 文档以及图片，读取准确率不是很高 想给他一个提前预读取的文档，比如当前项目技术栈，组件选择问题，组件参数问题，特殊边界问题等