CNET科技行者 11月11日 北京消息 11月11日零點(diǎn)僅過了3分01秒,天貓雙11成交總額已超過100億元人民幣。在科技和大數(shù)據(jù)驅(qū)動(dòng)下,天貓雙11蘊(yùn)藏的商業(yè)力量由此開啟了波瀾壯闊的社會(huì)大協(xié)同,這一中國現(xiàn)象也引發(fā)了全球共振。
2016天貓雙11成交超百億用時(shí)6分58秒,正如阿里CEO張勇在宣布啟動(dòng)時(shí)所言:“過去八年,我們不斷探索未知,挑戰(zhàn)極限,每一個(gè)極限在五年十年之后都顯得非常平常。”
這位雙11的首倡者指出,今年的雙11意味著全球商業(yè)將走向數(shù)字經(jīng)濟(jì)時(shí)代。雙11是一個(gè)非常好的展現(xiàn)窗口,展現(xiàn)中國乃至全球商業(yè)力量的大協(xié)同、大合作,也讓所有商家把最好的商品、最好的服務(wù)展現(xiàn)給消費(fèi)者,讓所有消費(fèi)者、所有剁手黨們有一個(gè)跨越全球、跨越國界、跨越不同時(shí)區(qū)、不同膚色、不同文化,有一個(gè)共同的節(jié)日。
事實(shí)上,整個(gè)世界都已經(jīng)為之點(diǎn)燃。從廣州、上海、香港到柏林、倫敦、墨爾本、東京、首爾、紐約,天貓雙11與LVMH、雅詩蘭黛、歐萊雅、資生堂、寶潔等品牌在全球地標(biāo)共同亮相,帶給全球消費(fèi)者一場全時(shí)區(qū)、全場景、全人群、全娛樂的狂歡。在全球社交網(wǎng)絡(luò)上,東南亞的消費(fèi)者認(rèn)為雙11是一個(gè)好好對待自己的機(jī)會(huì),買你一直想買但是沒買的東西。遠(yuǎn)在烏干達(dá)的網(wǎng)友,也向中國的剁手黨發(fā)來雙11祝福。
雙11進(jìn)入第九年,線上線下全面融合的新零售浪潮已經(jīng)席卷全球。海內(nèi)外超100萬商家線上線下打通,全球52個(gè)核心商圈、近10萬智慧門店、60萬家零售小店、3萬“天貓優(yōu)選”村淘點(diǎn),將帶來全方位的新零售體驗(yàn)。
天貓雙11引發(fā)全球共振的范圍還在擴(kuò)大。今天從“消費(fèi)互聯(lián)網(wǎng)”到“產(chǎn)業(yè)互聯(lián)網(wǎng)”的升級,意味著遍布全球的數(shù)億產(chǎn)業(yè)工人、農(nóng)民、設(shè)計(jì)師和生產(chǎn)管理人員也投入到了天貓雙11的盛宴?;ヂ?lián)網(wǎng)時(shí)代的全球供給和消費(fèi)體系背后還有數(shù)據(jù)、智能、計(jì)算的一整套技術(shù)產(chǎn)品,這又意味著全球數(shù)百萬程序員、產(chǎn)品經(jīng)理、數(shù)據(jù)分析師、算法工程師在托舉著天貓雙11的狂歡。
“在商業(yè)力量、科技、大數(shù)據(jù)驅(qū)動(dòng)下,雙11已成為一場全球范圍內(nèi)的社會(huì)大協(xié)同。”張勇說。全新的消費(fèi)趨勢、技術(shù)革新集中迸發(fā)的雙11中國現(xiàn)象,就這樣以脈沖的方式,每一年引發(fā)整個(gè)商業(yè)社會(huì)和全球范圍內(nèi)的共振與共鳴。
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。