4月27日,菜鳥(niǎo)網(wǎng)絡(luò)宣布,經(jīng)調(diào)查核實(shí),國(guó)通快遞在部分地區(qū)存在空包件炒信行為,違反合作協(xié)議,從5月4日起正式關(guān)閉該公司的在線(xiàn)下單功能一個(gè)月,待其整改后再?zèng)Q定是否恢復(fù)服務(wù)。
菜鳥(niǎo)網(wǎng)絡(luò)方面強(qiáng)調(diào)說(shuō),電商及快遞物流市場(chǎng)的誠(chéng)信機(jī)制要依靠所有企業(yè)共同建立和維護(hù),希望所有的快遞合作伙伴能聯(lián)手創(chuàng)造規(guī)范的市場(chǎng)環(huán)境。同時(shí),菜鳥(niǎo)將持續(xù)在物流環(huán)節(jié)加大對(duì)炒信的監(jiān)控和打擊,發(fā)現(xiàn)一家查處一家,絕不手軟。
國(guó)通快遞是菜鳥(niǎo)在快遞行業(yè)的14家緊密合作伙伴之一,在行業(yè)內(nèi)有著一定的地位和影響力。業(yè)內(nèi)人士認(rèn)為,下線(xiàn)國(guó)通,表明了菜鳥(niǎo)網(wǎng)絡(luò)堅(jiān)決維護(hù)市場(chǎng)誠(chéng)信體系、打擊快遞環(huán)節(jié)炒信的決心。
菜鳥(niǎo)網(wǎng)絡(luò)的在線(xiàn)下單打通了商家——淘寶、天貓、聚劃算——快遞公司之間的信息,一旦關(guān)閉該服務(wù),國(guó)通將無(wú)法享受菜鳥(niǎo)網(wǎng)絡(luò)的信息下單服務(wù),且前述產(chǎn)品的售后服務(wù)也不再支持該快遞公司。
菜鳥(niǎo)方面表示,之所以從5月4日才正式下線(xiàn),希望能夠給予現(xiàn)在使用國(guó)通的商家更多時(shí)間來(lái)尋找替代方案,不至于影響商家的正常發(fā)貨。
對(duì)于下線(xiàn)整改的決定,國(guó)通總部態(tài)度較為積極,表示已經(jīng)認(rèn)識(shí)到“空包件”的不良影響,愿意配合,同時(shí)承諾,整改期間未完成交易的包裹會(huì)正常配送。
國(guó)通方面表示,愿意配合菜鳥(niǎo)進(jìn)行下線(xiàn)整改。整改的措施包括,內(nèi)部加強(qiáng)禁止“空包件”的宣傳,并調(diào)整觸犯規(guī)定的處罰標(biāo)準(zhǔn);加大舉報(bào)獎(jiǎng)勵(lì)力度,鼓勵(lì)分撥中心與派送網(wǎng)點(diǎn)對(duì)“空包件”的舉報(bào)力度;組建“空包件工作組”,專(zhuān)項(xiàng)進(jìn)行“空包件”的管控,最終消滅“空包件”。接到下整改知后,國(guó)通第一時(shí)間在內(nèi)部對(duì)違規(guī)攬收空包代簽件的網(wǎng)點(diǎn)進(jìn)行了公示和罰款。
據(jù)悉,在同各大快遞公司聯(lián)手打擊之外,大數(shù)據(jù)也成為菜鳥(niǎo)打擊炒信的重要手段,菜鳥(niǎo)網(wǎng)絡(luò)近日在正式上線(xiàn)了大數(shù)據(jù)反炒信系統(tǒng)。
該系統(tǒng)可對(duì)消費(fèi)者下單、賣(mài)家發(fā)貨、物流運(yùn)轉(zhuǎn)詳情、買(mǎi)家簽收過(guò)程當(dāng)中的數(shù)據(jù)進(jìn)行全程監(jiān)控,并且根據(jù)炒信訂單特征,自動(dòng)識(shí)別炒信運(yùn)單號(hào)以及應(yīng)對(duì)商家的商品訂單,讓炒信變成無(wú)用功。
菜鳥(niǎo)網(wǎng)絡(luò)的監(jiān)測(cè)數(shù)據(jù)顯示,在各快遞公司聯(lián)手反炒信及上線(xiàn)大數(shù)據(jù)系統(tǒng)攔截之后,快遞行業(yè)的空包件炒信行為已經(jīng)大幅度下降。
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(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。