圖/世界展望會東非總監莉莉安‧多佐（Lilian Dodzo）與蘇丹會長西 蒙‧馬內（Simon Mane）至高雄市政府進行人道專題演講，並參與扭蛋活動共同響應飢餓三十精神
【焦點時報／記者蔡宗憲報導】高雄市政府社會局今(15)日與財團法人台灣世界展望會共同辦理「第37屆飢餓三十人道救援行動」記者會，於「世界難民日」前夕，呼籲社會大眾正視全球難民與飢餓兒童的困境。
高雄市政府王宏榮副秘書長今（15）日帶領員工與參與者，於記者會現場貼上活動貼紙、捐出一日餐費，以實際行動響應「搶救！奮力生存的孩子」，社會局與世界展望會共同選在「世界難民日」前夕辦理本次活動，期盼喚起各界正視戰火與天災下難民與兒童的處境，同時不忘國內陷入困境的弱勢家庭，讓這份援助既跨越國界、也在地關懷。本次活動特別邀請台灣世界展望會東非總監莉莉安‧多佐（Lilian Dodzo）及蘇丹會長西蒙‧馬內（Simon Mane）蒞臨，針對蘇丹衝突等國際人道危機進行專題分享，展現本市愛無國界之精神。社會局為保障本市兒少餐食無虞，長期推動弱勢家庭兒少餐食計畫，透過18處社福中心社工定期評估需求、媒合物資，並於寒暑假期間發放餐食卡，使18歲以下兒少可至全國一卡通合作通路兌換營養餐點，兼顧發育關鍵期所需的全面營養，度過成長過程中的每個重要時期。
世界展望會長年推動「飢餓三十」，投入戰亂、疾病與天災中的緊急救援，並守護全球弱勢兒童與家庭的基本生存權。高雄市政府自101年起響應，透過飢餓體驗活動及慈善捐款，號召市民共同關注國內外弱勢處境。今年活動適逢「世界難民日」前夕，主題除關懷飢餓兒童外，也聚焦蘇丹衝突等國際人道危機，援助內容包含一日生命糧、難民兒童保護與教育、災區乾淨水源供應，以及國內特殊景況家庭支持。讓每一份捐助都能成為孩子與家庭面對困境時的支撐，讓關懷即時抵達世界的各個角落。
【記者王志成／台北報導】 台北市文山區指南宮凌霄寶殿二十四日發生大火，現場付之一炬。行政院長卓榮泰(二十六)日前往訪視時表示，指南宮是台北市民極為重要的信仰中心，未來廟方在修復技術或經費上有需要協助之處，中央將與地方仔細討論，盼能儘速協助完成重建。 卓榮泰在行政院發言人李慧芝陪同下走訪指南宮，民進黨立委吳沛憶及台北市長參選人沈伯洋亦到場關切。卓榮泰表示，指南宮無論是在家庭旅遊、學校戶外教學或是節慶活動中，都扮演著相當關鍵的角色，市民與遊客皆十分珍視此地。 卓榮泰說明，火災發生的第一時間，他便與內政部、消防署及廟方保持密切聯繫，持續掌握最新狀況，並確認火勢在歷經三小時二十幾分鐘後獲得有效控制。 卓榮泰強調，對於未來的復建工作，不論是修復技術支援或相關經費需求，中央與地方政府都將通力合作並深入討論，期盼能以最快速度恢復信仰中心的原貌，讓指南宮再度成為各方祈福與旅遊的勝地。
【民眾網編輯方笙楠臺北報導】臺北市萬華區西昌街一間休閒館，因無視公權力，數次暗中經營賭場，8月25日上午萬華分局會同臺北市建築管理工程處、台灣電力公司及自來水公司等單位赴現場執行斷水斷電，強制勒令停業。 據了解，該處所表面上是一般休閒館，卻暗地私下經營賭場，因每日出入分子複雜，引起民眾懷疑而屢遭檢舉。該處首次於115年1月13日遭警方查獲賭博，除依法裁罰外，亦報請都市發展局依法勒令停止違規使用予以列管，惟業者無視法規，仍在列管期間私下重操舊業。 萬華分局專案小組獲報後積極佈線蒐證，待掌握確切事證後，115年5月8日再次突擊，當場人贓俱獲，查獲違法鐵證。為展現市政團隊堅決斷絕不法場所的行動力，迅即於8月25日由萬華分局會同相關單位聯手執行斷水斷電，本次聯合執法不僅展現市府團隊打擊犯罪的行動力，更宣示絕不容許違法場所擾亂社會秩序決心。 萬華分局表示，警方將持續落實查緝不法場所，絕不允許任何不肖業者以身試法，以維護社會風氣與治安秩序。未來將持續精進與市府各局處的聯合稽查機制，強化查報能量，戮力為市民打造安全、優質且乾淨的生活環境。
商傳媒｜林昭衡／綜合外電報導 隨著人工智慧技術快速發展，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 等大型語言模型（LLMs）已進化為多模態 AI，不僅能處理文字，還能分析圖像，甚至從文字描述生成圖片。然而，學術界對此一進步也提出擔憂，指出這些模型存在「視覺幻覺」（Visual Hallucinations）問題，即 AI 在圖像處理過程中可能生成看似合理但實際錯誤或荒謬的輸出。 根據知名學術期刊《Communications of the ACM》的報導，諾丁漢大學（University of Nottingham）電腦視覺副教授 Michael Pound 指出，LLMs 經過大量文本與影像資料訓練，由於缺乏對「真理」的明確規範，其輸出往往僅具統計學上的合理性，而非真實。加州柏克萊人工智慧研究實驗室（University of California Berkeley Artificial Intelligence Research lab, BAIR）的博士後研究員 David Chan 也提到，儘管人類也會有類似錯誤，但大眾期望 AI 模型的表現應優於人類。 「視覺幻覺」對自動駕駛車與安全監控影像分析等關鍵應用領域構成嚴重挑戰，可能損害大眾對 AI 的信任度。例如，當背景資訊與圖像內容矛盾時，幻覺現象會更頻繁。Michael Pound 舉例說明，醫學影像分析若受其他病患資料影響，AI 可能因此忽略圖像中實際存在的疾病跡象。他強調，對於盲人輔助科技等使用者無法自行驗證輸出的情境，AI 模型的精確度至關重要，任何錯誤都可能帶來風險。 研究人員正積極探討視覺幻覺的根本成因，認為這與生成式 AI 模型作為仰賴機率的「預測引擎」本質息息相關。目前，除了針對特定任務的影像資料進行模型微調（fine-tuning），並在如自動駕駛車中導入光達（LiDAR）等多餘感測器以彌補錯誤外，現有的後驗證（post-hoc verification）方法也面臨效率低落的問題，因為它需要額外的 AI 模型來檢查輸出，過程緩慢且僅能拒絕錯誤回應，無法直接修正。 為提升驗證效率，新的「REVERSE 框架」被提出，它能在 AI 生成回應的過程中同步檢查幻覺。此框架透過訓練模型將詞語分類為「自信」或「不自信」，並在生成影像描述時給予每個詞彙信心評分，從而實現即時修正。David Chan 形容這是一種「推論技巧」，能讓部署中的系統根據預期的錯誤率來進行應對。未來研究則將聚焦於從源頭防止 AI 模型產生幻覺，並探索視覺推理（visual reasoning）而非純文本推理，透過讓模型分析圖像的幾何與外觀，來提高其精準度、理解基礎及可解釋性。
