至顶网CIO与应用频道 06月19日 北京消息:全球领先的信息技术研究和顾问公司Gartner最新移动应用调查显示,全球超过四分之一的企业在过去12个月内未创建、定制或虚拟化任何移动应用。
Gartner分析师认为,上述数字之高令人惊讶,但相比上一年该数字仍有所下降。在2016年调查中,39%的受访者表示他们在过去12个月内未创建、定制或虚拟化任何移动应用。
Gartner研究总监Adrian Leow认为企业对不断增长的移动应用需求响应缓慢。他表示:“许多IT团队必须完成大量有关应用的积压工作,因此这会使得业务部门越发希望IT部门能更快满足自己的需求。”
Gartner研究总监沈哲怡补充称:“在中国,企业将更多资源投向微信以建立市场营销与客户服务业务。这在一定程度上降低了客户对品牌移动应用的使用率,并反映出诸如微信的聚合型移动应用在消费者关注度方面的主导地位。我们的消费者调查显示,超过半数的中国智能手机用户在2016年未下载任何新的移动应用,而63%的用户在移动应用上花费的时间却有所增加。
“还有一些企业会使用微信企业号,而不会为员工或业务伙伴开发单独的移动应用。这能够帮助企业更快进入市场并降低开发成本。企业可能会继续保留现有移动应用,但对于开发新移动应用的需求没有以往强烈。”
调查结果显示,开发过移动应用的企业迄今平均部署了8款移动应用,相比2016年保持相对平稳。平均而言,正在开发之中的移动应用有2.6款,计划在未来12个月内开发但目前尚未进入开发阶段的移动应用数量为6.2款。
Leow表示:“看到纳入计划的移动应用数量大幅增长,这令人感到鼓舞,但增长的主要部分为移动网络应用,而非原生或混合移动应用。这反映出有些企业可能在开发移动应用方面受挫,转而重新关注响应式网站,以满足其移动需求。”
Gartner的调查显示,52%的受访者已经开始研究、探索或尝试在移动应用开发中使用机器人、聊天机器人或虚拟助理。考虑到这些技术刚刚兴起,这样高的比例实在出人意料。Gartner将这些称作“后应用技术”(postapp technologies)。在后应用时代,从应用商店获得并安装至移动设备的传统移动应用将仅成为向移动用户交付功能与服务的众多途径的一种。应用领导者需要了解不断涌现的各种“后应用技术”,以确保其移动应用战略保持相关性并获得成功。
沈哲怡表示:“许多中国企业已经在微信服务号与移动应用中部署聊天机器人来提供客户服务,但客户体验差别较大。机器人并不总能准确理解自然语言及客户意图,客户体验也会因为企业所使用知识库的局限性而受到影响。除了客户服务,企业还有待探索其他用例,如:电子商务、零售网点/分支机构服务以及员工服务等。”
Leow认为:“虽然这种情况更多表明的仅仅是人们对于这些技术的认知度的提升,但看到企业开始考虑这些技术仍让人感到高兴,这些技术的重要性将会因此得到快速提升。”
调查结果显示,资金、工时以及技能的不足是企业移动计划的主要障碍。成本问题在IT部门中普遍存在,这虽然不足为奇,但也意味着IT开发部门需要在现有预算内提高生产力。其他障碍包括业务收益和投资回报合理性的匮乏,而这些障碍的成因可能是企业缺乏对客户需求的了解。
调查显示,移动应用方面的实际IT支出持续低于预测值。尽管68%的企业机构预计增加移动应用支出,但总体软件预算的平均比例仅为11%。计划在2017年增加支出的企业机构预计比上一年增加25%的支出。Gartner研究显示,在过去几年内,虽然企业机构曾表明将增加移动应用开发的预算,但其现实支出却有所减少。
Leow表示:“由于员工选择设备、应用甚至任务完成流程的自主权大大增加,应用领导者必须扭转移动应用开发预算停滞不前的趋势。这将为IT部门带来更多压力,迫使其在更短时间内开发更多类型的移动应用。”
欲了解更多详情,请查阅报告《调查分析:2017年影响企业的移动应用开发趋势》(Survey Analysis: The Mobile App Development Trends That Will Impact Your Enterprise in 2017)。
好文章,需要你的鼓励
韩国科学技术院(KAIST)的研究团队发现了大型语言模型中一个令人担忧的现象:"推理刚性"。这种现象表现为即使是最先进的AI模型,如GPT-4o或Qwen3,也会在解决问题时固执地坚持熟悉的推理模式,甚至会"修改"用户明确给出的条件。研究人员创建了ReasoningTrap诊断数据集,揭示这种行为可分为三类:解释过载、输入不信任和部分指令关注。令人惊讶的是,专门为复杂推理训练的模型比基础模型表现出更强的"固执"倾向,这提醒我们在追求AI推理能力的同时,不应忽视其遵循指令的灵活性。
比尔肯特大学研究团队提出RoPECraft,一种无需训练的视频动作迁移方法,通过巧妙操作扩散变换器中的旋转位置编码实现。该方法首先从参考视频提取光流信息,用于扭曲RoPE张量;再通过流匹配优化和相位约束正则化,确保生成视频精确跟随参考动作,同时保持视觉质量。与需要大量计算资源的现有方法相比,RoPECraft不需要模型再训练,大幅降低了计算成本,同时在动作保真度和视频质量上超越了最新技术,为AI视频创作提供了高效可行的动作控制解决方案。
这项来自加拿大滑铁卢大学的研究挑战了"更多训练数据总是更好"的观念,发现某些数据集反而会损害信息检索模型性能。研究者提出了RLHN方法,使用级联LLM技术识别并重标注训练数据中的"假负样本"。实验表明,这种方法显著提升了检索和重排模型在BEIR和AIR-BENCH基准测试上的性能,尤其在处理未见过的领域时效果更佳。人类验证结果证实了该方法的可靠性,为构建更准确、鲁棒的信息检索系统提供了新思路。
这项研究介绍了WebAgent-R1,一种用于训练网页智能体的端到端多回合强化学习框架。不同于传统方法,它直接通过在线交互学习,仅依靠二元任务成功奖励信号指导。实验表明,该方法显著提升了Qwen-2.5-3B和Llama-3.1-8B模型的网页任务成功率,超越了现有最先进技术。研究还揭示了行为克隆的重要性、思考型提示策略的有效性,以及通过增加交互次数来实现测试时性能扩展的新策略。