历史历史·

1998年杨尚昆逝世,遗言归葬在老家,晚年曾因犯过2个大错而内疚

Publié à 2024-08-21 14:15:44Vu 58 fois
Article ordinaire
Réimpression Veuillez indiquer la source

1998年,杨尚昆的生命走到了最后关头,他将家人叫到床边,用尽了最后一丝力气留下了遗言。

“我没有别的遗憾,只有两件事让我内疚终生……如果可以,等我死后,就把我葬回老家,我想念潼南的青山绿水了。”

杨尚昆为国家殚精竭虑,劳累一生,他到底做了什么错事,让自己内疚终生呢?

第一件让杨尚昆内疚终生的事发生在1959年,这一年的庐山会议上,彭老总遭到了针对和围攻,很多人为了自保,说了一些违心的话,杨尚昆也不例外。

庐山会议召开的初衷,是为了讨论新中国成立以来,我们在农业生产中遇到的一些问题,互相交流经验,共同商议如何让新中国的农业发展更上一层楼。

会议前半程非常顺利,进行到后半程的时候,彭老总顶着多方社会压力向毛主席提交了一份关于农业合作社等农村项目的《意见书》。

一些别有用心之人利用这份意见书大做文章,处处针对、污蔑彭老总,在当时的情况下,很多人为了自保说了一些违心的话,杨尚昆也不例外。

杨尚昆并不认为彭德怀的观点是完全错误的,中央政策在基层具体实施的过程中确实出现了一些偏差,彭德怀的意见书可以起到非常正面警醒的作用,但杨尚昆没有足够的勇气站出来支持彭德怀,只能无奈地加入批评彭老总的队伍。

没想到,这件事情演变得越来越严重,彭老总因此一落千丈。

第二件让杨尚昆内疚万分的事情发生在1961年,因为之前的录音机事件被免了职,处境十分艰难。

当年,毛主席的秘书叶子龙等人为了更好的记录毛主席的言语,在得到杨尚昆准许以后购买了一台录音机,没想到,这一台为了工作购买的录音机,竟然成了一些人的“炮轰对象”。

他们利用这台录音机大做文章,污蔑杨尚昆、叶子龙等人有搞“特务活动”的嫌疑。

杨尚昆出任中办主任多年,尽职尽责,对革命忠心耿耿,他是万万不可能做出背叛革命的事情!

可是在那个动荡不堪的年代里,真相很容易被掩埋,杨尚昆蒙受不白之屈,这件事对他打击很大,沉沦了很长时间。

1979年,邓公复出后,杨尚昆才得以复出工作。

中央给了他一份文件,对他说,只要在文件上签了字就可以出来工作,着急工作的杨尚昆在没有认真看文件的情况下,就匆忙签了字。

事后才知道,这份文件根本没有提到当年的录音机事件,直到杨尚昆去世,这件事情都没有讲清楚。

这两件事成了杨尚昆晚年最大的遗憾,他在临终之际悔恨万分地对家人说道:“我没有别的遗憾,只有两件事让我内疚终生。一个是说了彭老总的坏话,一个则是录音机的问题到现在都没有定论!如果可以,等我死后,就把我葬回老家,我想念潼南的青山绿水了。”

Section des commentaires

Pas encore de commentaire, ajoutez le premier.

弦圈热门内容

Vertically aligning CSS :before and :after content

I am trying to centre the link with the image, but can't seem to move the content vertically in any way.<h4>More Information</h4> <a href="#" class="pdf">File Name</a>The icon is 22 x 22px.pdf { font-size: 12px; } .pdf:before { padding:0 5px 0 0; content: url(../img/icon/pdf_small.png); } .pdf:after { content: " ( .pdf )"; font-size: 10px; } .pdf:hover:after { color: #000; }

数据清洗之异常值处理

在数据清洗过程中,异常值处理是一个非常重要的步骤。异常值,也称为离群值或异常点,是指与大多数观察值明显不同的观察值。这些值可能是由于测量错误、数据录入错误、设备故障或者真实现象的特殊情况而产生的。异常值可能会对数据分析和建模产生负面影响,因此需要进行适当的处理。下面是一些常见的异常值处理方法:删除异常值: 最简单的方法是直接删除异常值。这种方法适用于异常值数量较少、对数据整体影响较小的情况。但是,如果异常值数量较多或者对数据整体影响较大,则不建议使用这种方法。替换异常值: 可以用数据集的其他统计特征值(如均值、中位数、众数)来替换异常值。这种方法可以保持数据集的整体分布特征,并且相对于直接删除异常值,对数据的影响较小。分箱处理: 将数据分成多个箱子(bins),然后用每个箱子的均值或中位数来代替箱子中的异常值。这种方法可以减少异常值对整体数据的影响,并且保持了数据的整体分布特征。基于模型的方法: 可以使用回归、聚类或其他机器学习模型来识别和处理异常值。这些模型可以自动识别数据中的异常值,并提供相应的处理方案。使用离群值检测算法: 可以使用一些专门用于检测异常值的算法,如孤立森林、局部异 ...