近日,當(dāng)當(dāng)網(wǎng)與1號(hào)店達(dá)成戰(zhàn)略合作,相互入駐對(duì)方開放平臺(tái)同時(shí)開設(shè)官方旗艦店,并已正式投入運(yùn)營,當(dāng)當(dāng)網(wǎng)在1號(hào)店的官方旗艦店以銷售當(dāng)當(dāng)網(wǎng)壁壘性優(yōu)勢(shì)的自營圖書品類為主,1號(hào)店在當(dāng)當(dāng)網(wǎng)開設(shè)的旗艦店主要銷售1號(hào)店自營部分具有壁壘性優(yōu)勢(shì)的食品、飲料等。
從業(yè)務(wù)層面來看,當(dāng)當(dāng)網(wǎng)的圖書品類與1號(hào)店的快消品類產(chǎn)品線具有充分的互補(bǔ)性,雙方壁壘級(jí)品類的相互入駐,一方面可以彌補(bǔ)不足、增加用戶粘性,提升品牌效應(yīng),另一方面可以互借對(duì)方網(wǎng)站的流量入口、客戶資源等進(jìn)行用戶交換,以此提升流量,降低用戶獲取費(fèi)用。
對(duì)于此次合作,當(dāng)當(dāng)網(wǎng)CEO李國慶也表示,電商“燒錢”的邊際作用越來越小,已經(jīng)到了要“良幣驅(qū)逐劣幣”的時(shí)候了,跨平臺(tái)的精細(xì)運(yùn)營,降低成本虛耗,將讓電商的競爭更加有序,消費(fèi)者受益,這是大趨勢(shì)。
除了讓消費(fèi)者享受更多價(jià)格優(yōu)惠外,另一方面,雙方互相入駐將極大提升當(dāng)當(dāng)網(wǎng)和1號(hào)店的商品豐富度,地域覆蓋性,以及配送服務(wù)能力,消費(fèi)者也將從中受益。
據(jù)易觀報(bào)告,當(dāng)當(dāng)網(wǎng)精細(xì)化運(yùn)營的成本優(yōu)勢(shì)和服務(wù)優(yōu)勢(shì)明顯,并已經(jīng)成為其保持全網(wǎng)最低價(jià)的重要保障。報(bào)告顯示,當(dāng)當(dāng)網(wǎng)2013年流量成本全行業(yè)最低,在主流自營B2C網(wǎng)站中當(dāng)當(dāng)網(wǎng)轉(zhuǎn)化率行業(yè)第一,同時(shí)在用戶流量、活躍用戶數(shù)(2090萬)、訂單數(shù)等指標(biāo)均行業(yè)領(lǐng)先。
目前,精細(xì)運(yùn)營讓當(dāng)當(dāng)網(wǎng)增長處于“黃金時(shí)期”,在鞏固“圖書老大”地位的同時(shí),當(dāng)當(dāng)網(wǎng)開放平臺(tái)百貨品類擴(kuò)容明顯:2013年Q4,當(dāng)當(dāng)網(wǎng)服裝、日百增幅達(dá)82.5%,總體百貨規(guī)模繼續(xù)大幅超圖書,且占比進(jìn)一步增加,占當(dāng)當(dāng)網(wǎng)整體營收63%。按此增速計(jì)算,當(dāng)當(dāng)網(wǎng)單品類銷售額有望在2014年超過圖書。
財(cái)報(bào)還顯示,當(dāng)當(dāng)網(wǎng)在不斷鞏固壁壘性優(yōu)勢(shì)的同時(shí),繼續(xù)向綜合性購物商城加速邁進(jìn),服裝、日百增幅達(dá)82.5%,總體百貨規(guī)模繼續(xù)大幅超圖書,且占比進(jìn)一步增加,占當(dāng)當(dāng)整體營收63%??梢灶A(yù)見的是,與1號(hào)店的互駐合作,將進(jìn)一步推薦當(dāng)當(dāng)網(wǎng)的購物中心發(fā)展。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。