3月15日晚上10點(diǎn)半,針對(duì)央視“3·15晚會(huì)”有關(guān)報(bào)道,淘寶網(wǎng)官微第一時(shí)間發(fā)出“社會(huì)共治,打擊刷單”的呼吁。
“感謝央視曝光互聯(lián)網(wǎng)刷單這一灰黑產(chǎn)業(yè),讓更多的人了解和抵制這一毒瘤。”文中稱,雖然淘寶打擊刷單一直處于高壓態(tài)勢(shì),技術(shù)不斷升級(jí),但刷手通過QQ群、QT語音群、微信群、空包網(wǎng)、YY語音聊天室、黑快遞完成隱蔽而龐大的刷單產(chǎn)業(yè)鏈,利用平臺(tái)沒有執(zhí)法權(quán)的無奈,如同一條肥碩的螞蟥緊緊地吸附在電商平臺(tái)及網(wǎng)絡(luò)世界。
“我們呼吁并強(qiáng)烈希望國家有關(guān)執(zhí)法司法部門嚴(yán)厲打擊上述環(huán)節(jié)中的灰黑產(chǎn)業(yè)從業(yè)者,形成司法判例和有效的打擊力度及震懾態(tài)勢(shì),凈化社會(huì)誠信環(huán)境。”淘寶網(wǎng)呼吁,有關(guān)平臺(tái)企業(yè)共同行動(dòng)起來,齊心協(xié)力,共同打擊,不要再給各種刷單行為和組織提供刷單溫床和基地,讓灰黑勢(shì)力失去庇護(hù)的平臺(tái),共同凈化我們的網(wǎng)絡(luò)和生活。
“真實(shí)的情況是,淘寶一直被刷單!”淘寶網(wǎng)有關(guān)負(fù)責(zé)人表示,淘寶一直對(duì)商家炒信“零容忍”,并對(duì)此持續(xù)高壓打擊。最近一個(gè)月,因?yàn)樯嫦铀螁栴},有22萬多個(gè)賣家被淘寶處以降權(quán)的處罰,這意味著其完全得不到展示。與賣家被降權(quán)同步處理的是,39萬多個(gè)相關(guān)刷單的寶貝也被降權(quán),與之相關(guān)的銷量也被清零處理。同時(shí),有嚴(yán)重刷單行為的6000多個(gè)賣家被封店,1萬多個(gè)賣家被處以不同程度的扣分處罰。
據(jù)介紹,淘寶一旦發(fā)現(xiàn)涉嫌虛假銷量、信用的店鋪和商品,會(huì)視嚴(yán)重程度給予扣分、搜索降權(quán)甚至關(guān)閉店鋪的嚴(yán)肅處理。刷單產(chǎn)生的黑灰產(chǎn)業(yè)鏈讓合規(guī)經(jīng)營的淘寶店鋪深受聲譽(yù)連累。但是,由于交易平臺(tái)并不具有法律的強(qiáng)制約束力,因此無法有力打擊虛假交易衍生出來的其它犯罪行為。如假借兼職刷單的名義進(jìn)行詐騙、盜竊等犯罪活動(dòng),需要公安機(jī)關(guān)進(jìn)一步予以查處。
中國應(yīng)用法學(xué)研究所研究員李玉萍介紹,當(dāng)前,違規(guī)行為治理面臨立法空白。虛假交易相關(guān)黑灰產(chǎn)業(yè)鏈相互交織,形成了規(guī)模巨大的產(chǎn)業(yè)群。虛假交易已成為互聯(lián)網(wǎng)公害,是業(yè)界公認(rèn)的事實(shí),不僅破壞了電子商務(wù)市場的正常經(jīng)營秩序,還對(duì)社會(huì)誠信體系建設(shè)造成嚴(yán)重沖擊。
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。