车内核酸检测急迫心切：等待的滋味与疫苗接种的双重考验，“爱达·魔都”号将于2027年在天津部署长期航线中国科学院科学家首次证实：大语言模型能像人类一样“理解”事物白衬衫牛仔裤、或者白衬衫小黑裤，都是经典的穿搭look。这打扮不挑人、松弛又显气质，日常或者通勤都能穿。
在现代社会中，随着新冠疫情在全球范围内的持续蔓延，车内核酸检测已经成为疫情防控的重要环节。特别是在交通高峰时段和人员密集区域，尤其是公共交通工具如公交车、地铁等，车内检测的需求尤为迫切。这种紧急状况下，乘客的心理状态和疫苗接种的双重考验，使得等待核酸的过程显得既漫长又紧张。
从心理层面来看，车内检测需要经历长时间的等待，这无疑给乘客带来了极大的焦虑感和期待之情。一方面，车内空间相对密闭，缺乏足够的通风换气设施，空气流通不畅，导致人们感到闷热、不适，甚至出现头痛、胸闷等症状；另一方面，封闭空间内的人们聚集在一起，很容易产生相互传染的风险，尤其是在公共交通工具上，由于每个人的呼吸频率、体温等都可能引起病毒传播，因此等待检测的时间越长，就越容易增加感染的风险。
在疫苗接种方面，这也是车内检测和疫苗接种之间的一个重叠考验。一方面，乘客需要完成核酸采样后才能乘坐公共交通工具，而核酸采样通常需要一定时间，特别是对于老年人、孕妇、儿童等特殊群体来说，他们往往因为体力有限或者身体状况差等原因，无法接受大规模的核酸采样，这也增加了他们的出行难度。另一方面，如果乘客在乘车期间出现了新冠病毒症状，那么在等待核酸结果的过程中，他们就需要采取一些措施进行自我隔离，如佩戴口罩、勤洗手等，这不仅增加了他们对公共交通工具的消毒和卫生管理的要求，也增加了他们在等待过程中面临的个人风险。
面对如此复杂的内外部环境，乘客如何保持冷静、有序地等待核酸结果，同时又能有效应对疫苗接种的需求，成为了摆在眼前的一道难题。以下是一些可能的策略：
1. 提前规划好行程：提前规划好乘坐公共交通工具的路线和时间，选择距离家中或目的地近且人流量大的时间段，减少不必要的等待时间和空间浪费。可以尝试采用拼车、分批出行等方式，分散人群，降低病毒传播的风险。
2. 充分利用信息化手段：通过手机APP或者小程序等数字化平台预约检测，提供在线排队、信息查询、预约接送等功能，大大简化了乘客的等待流程，同时也为医护人员提供了高效的工作效率。这些数字化服务还可以通过大数据分析，实时监控人流情况，优化检测服务，提高筛查的准确性。
3. 增强心理疏导能力：鼓励乘客通过阅读健康知识、观看防疫宣传片、聆听音乐等方式舒缓焦虑情绪，引导他们树立科学防控意识，增强战胜疫情的信心和决心。也可以定期举行线上心理健康讲座，分享防疫小贴士、缓解压力的方法等，为乘客提供全方位的心理支持和帮助。
4. 加强车厢内部的卫生管理：车厢内要定时开窗通风、清洁消毒，确保空气流通和人员的活动空间，避免病毒在狭小的空间内快速扩散。还要强化工作人员的卫生防护意识，保证自身和其他乘客的安全。
车内核酸检测急迫心切，但只要我们有耐心、有智慧，就能够以科学、有序的方式有效地应对这一挑战，保障乘客的生命安全和社会秩序稳定。我们也应倡导公众积极参与疫苗接种，形成合力，共同抵御新冠病毒带来的危害，迎接更加美好的未来。
天津6月8日电 (记者 王君妍)爱达邮轮将在2027年4月至10月首次在天津运营中国首艘国产大型邮轮“爱达·魔都”号，航季为期6个月。爱达邮轮8日于天津发布上述计划。
6月8日，旅客在天津国际邮轮母港出发大厅等待登船。 中新社记者 佟郁 摄
据悉，这将是“爱达·魔都”号首次在上海以外的中国港口城市进行长期航线部署，为京津冀地区旅客提供高品质邮轮假期选择。此外，“爱达·地中海”号亦计划于2027年1月至3月期间在天津开启冬季航季。届时，“爱达·魔都”号和“爱达·地中海”号计划在天津全年运营50余个航次。
同日，“爱达·地中海”号正式开启2025年天津新航季，首航载客近2600人。今年夏季，该船还将推出包括12天11晚的“夏日悠游北海道”长航线在内的多个主题航次。
6月8日，爱达邮轮旗下“爱达·地中海”号国际邮轮回归天津国际邮轮母港，搭载近2600名旅客开启前往日韩的国际邮轮航线。(无人机照片)中新社记者 佟郁 摄
天津东疆综合保税区在当日举行欢迎爱达邮轮回归天津国际邮轮母港系列活动。活动中，天津东疆综合保税区发布“邮轮+”计划，推出文旅商体新场景、海洋休闲特色文旅线路及文旅联动特惠产品。据悉，在天津国际邮轮母港乘坐国际邮轮的旅客，持有邮轮船票在天津东疆综合保税区内餐饮、住宿、景区景点消费可享有优惠折扣。
天津东疆综合保税区相关负责人介绍，天津东疆综合保税区将持续推出“邮轮+”新业态、新场景、新体验，提升文旅消费水平。(完)
IT之家 6 月 11 日消息，IT之家从中国科学院自动化研究所微信公众号获悉，近日该所神经计算与脑机交互（NeuBCI）课题组与中国科学院脑科学与智能技术卓越创新中心的联合团队结合行为实验与神经影像分析，首次证实多模态大语言模型（MLLMs）能够自发形成与人类高度相似的物体概念表征系统。这项研究不仅为人工智能认知科学开辟了新路径，更为构建类人认知结构的人工智能系统提供了理论框架。相关研究成果以 Human-like object concept representations emerge naturally in multimodal large language models 为题，发表于《自然・机器智能》（Nature Machine Intelligence）。
人类能够对自然界中的物体进行概念化，这一认知能力长期以来被视为人类智能的核心。当我们看到“狗”“汽车”或“苹果”时，不仅能识别它们的物理特征（尺寸、颜色、形状等），还能理解其功能、情感价值和文化意义 —— 这种多维度的概念表征构成了人类认知的基石。
传统人工智能研究聚焦于物体识别准确率，却鲜少探讨模型是否真正“理解”物体含义。论文通讯作者何晖光研究员指出：“当前 AI 能区分猫狗图片，但这种‘识别’与人类‘理解’猫狗的本质区别仍有待揭示。”团队从认知神经科学经典理论出发，设计了一套融合计算建模、行为实验与脑科学的创新范式。研究采用认知心理学经典的“三选一异类识别任务”（triplet odd-one-out），要求大模型与人类从物体概念三元组（来自 1854 种日常概念的任意组合）中选出最不相似的选项。通过分析 470 万次行为判断数据，团队首次构建了 AI 大模型的“概念地图”。
实验范式示意图。a，物体概念集及带有语言描述的图像示例。b-d，分别针对 LLM、MLLM 和人类的行为实验范式和概念嵌入空间。
研究人员从海量大模型行为数据中提取出 66 个“心智维度”，并为这些维度赋予了语义标签。研究发现，这些维度是高度可解释的，且与大脑类别选择区域（如处理面孔的 FFA、处理场景的 PPA、处理躯体的 EBA）的神经活动模式显著相关。