北京時(shí)間4月14日消息,據(jù)國(guó)外網(wǎng)站報(bào)道,美國(guó)服裝和鞋類協(xié)會(huì)(American Apparel and Footwear Association,以下簡(jiǎn)稱“AAFA”)正在打擊其所謂的淘寶網(wǎng)“假冒服裝和鞋類泛濫”問題。
AAFA 上周三致函美國(guó)貿(mào)易代表邁克爾•弗羅曼(Michael Froman)和美國(guó)證券交易委員會(huì)主席瑪麗•喬•懷特(Mary Jo White),表達(dá)了對(duì)阿里在解決淘寶售假方面進(jìn)展緩慢的擔(dān)憂,強(qiáng)調(diào)加大打擊售假力度刻不容緩。AAFA成員包括逾1000家知名品牌。
AAFA 在信函中稱,“淘寶是世界上最大的假貨銷售平臺(tái)之一。我們的成員企業(yè)每天在淘寶上能發(fā)現(xiàn)不計(jì)其數(shù)的假貨,使他們蒙受數(shù)百萬美元經(jīng)濟(jì)損失,其中包括銷售損 失、聲譽(yù)損害、法務(wù)成本和內(nèi)部資源的消耗。盡管少數(shù)企業(yè)在打擊假冒產(chǎn)品方面取得了一定成功,但其余企業(yè)則受挫于緩慢和繁瑣的程序。即使成功也是短暫的,因 為假貨通常會(huì)在下架數(shù)小時(shí)或數(shù)天后重新上架。”
2012年,美國(guó)貿(mào)易代表辦公室把淘寶從公布盜版、售假公司的“特別301惡名市場(chǎng)”名單 中移除,但同時(shí)指出其網(wǎng)站上假貨仍然很多,令人擔(dān)憂。之后兩年,美國(guó)貿(mào)易代表辦公室繼續(xù)將淘寶放在“特別301惡名市場(chǎng)”名單之外。據(jù)AAFA稱,自 2012年被“特別301惡名市場(chǎng)”名單剔除后,淘寶上假貨泛濫的情況愈演愈烈。
阿里巴巴在IPO招股書中披露,“盡管我們已經(jīng)采取措施審核在商城中銷售商品的真?zhèn)?,并通過投訴和下架侵權(quán)商品,把侵權(quán)商品數(shù)量降低到最低水平,但這些措施并非總是成功的。”
信函列出了AAFA成員企業(yè)過去10年在與淘寶合作中的擔(dān)憂,其中包括:與假貨下架相關(guān)的文檔缺乏透明性和一致性;下架遲遲得不到執(zhí)行;懲罰不力;缺乏與本地執(zhí)法機(jī)關(guān)的合作;對(duì)版權(quán)和商標(biāo)保護(hù)不力;對(duì)品牌提出的下架申請(qǐng)不信任;在決定下架是否正當(dāng)時(shí)淘寶既是法官也是陪審團(tuán)。
AAFA表示,去年一直在與阿里巴巴合作,解決假貨擔(dān)憂,盡管阿里也聽取了部分建議,卻遲遲沒有付諸行動(dòng)。信函指出,“進(jìn)展緩慢使得我們相信,阿里巴巴要么是無力,要么是不愿意解決假貨問題。”
AAFA建議美國(guó)貿(mào)易代表辦公室明確表態(tài),若淘寶不改善假貨問題,就將其列入今年的“特別301惡名市場(chǎng)”名單中。AAFA還要求美國(guó)證券交易委員會(huì)行使對(duì)阿里的監(jiān)管權(quán)力,加大對(duì)阿里打擊淘寶假貨措施的監(jiān)管力度。
阿里巴巴發(fā)言人對(duì)AAFA的指責(zé)回應(yīng)稱,公司致力于打擊假貨,因自身業(yè)務(wù)健康發(fā)展和誠信都依賴于打擊假貨。
該發(fā)言人表示,自2012年以來公司一直在與AAFA合作,關(guān)于討論打擊網(wǎng)上銷售假貨的問題將繼續(xù)與AAFA對(duì)話。
阿里巴巴在一封電子郵件中闡述了用來防止假貨和盜版產(chǎn)品進(jìn)入其商城銷售的多項(xiàng)措施,其中包括利用數(shù)據(jù)挖掘技術(shù)分析和追蹤侵權(quán)商品的交易;與中國(guó)公共安全、版權(quán)保護(hù)、質(zhì)量監(jiān)督和知識(shí)產(chǎn)權(quán)保護(hù)機(jī)構(gòu)合作,把打假活動(dòng)拓展到線下;隨機(jī)抽查疑似假貨。
好文章,需要你的鼓勵(lì)
新加坡國(guó)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(jiǎn)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。