CNET科技資訊網(wǎng) 9月6日 北京消息: 9月6日消息,二十國集團(tuán)領(lǐng)導(dǎo)人杭州峰會公報正式發(fā)布,全文共48條。值得注意的是,馬云大力推崇的eWTP被寫入公報第30條中。
公報稱,歡迎二十國集團(tuán)工商峰會(B20)對加強(qiáng)數(shù)字貿(mào)易和其他工作的興趣,并且注意到B20要求構(gòu)建全球電子商務(wù)平臺的倡議。
G20杭州峰會公報的英文版本中,同時給出了Electronic World Trade Platform的英文縮寫eWTP。民間倡議寫入二十國集團(tuán)領(lǐng)導(dǎo)人會議的正式公報,足見此次峰會對eWTP的重視。這也突顯了以阿里巴巴為代表的中國企業(yè)在全球治理和全球貿(mào)易規(guī)則制定中的影響力。
按照B20的主張,eWTP由企業(yè)為代表的私營部門主導(dǎo),也會與政府等公共部門積極對話,旨在促進(jìn)公私對話,推動建立相關(guān)規(guī)則,為跨境電子商務(wù)的健康發(fā)展?fàn)I造切實有效的政策和商業(yè)環(huán)境。在馬云的設(shè)想中,這將為全世界中小企業(yè)打造一個屬于自己、自由公平開放貿(mào)易的平臺,讓中小企業(yè)、年輕人更方便地進(jìn)入全球市場、參與全球經(jīng)濟(jì)。今年上半年,馬云跑了全球30多個國家和地區(qū),推介其eWTP理念,已獲得多國的回應(yīng)和共識。
G20杭州峰會公報關(guān)于eWTP的英文原文如下:
We also support policies that encourage firms of all sizes, in particular women and youth entrepreneurs, women-led firms and SMEs, to take full advantage of global value chains (GVCs), and that encourage greater participation, value addition and upward mobility in GVCs by developing countries, particularly low-income countries (LICs). We welcome the B20’s interest to strengthen digital trade and other work and take note of it’s initiative on an Electronic World Trade Platform (eWTP).
我們支持采取有關(guān)政策,確保企業(yè)特別是婦女和青年企業(yè)家、女性領(lǐng)導(dǎo)的企業(yè)和中小企業(yè),無論規(guī)模大小,都能從全球價值鏈中受益,并鼓勵發(fā)展中國家,特別是低收入國家在更高水平、更多附加值上參與全球價值鏈并向高端移動。我們歡迎二十國集團(tuán)工商峰會對加強(qiáng)數(shù)字貿(mào)易和其他工作的興趣,注意到其關(guān)于構(gòu)建eWTP的倡議。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(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)隊通過對比實驗發(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"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時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),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。