又到“618”,一个电商和网民狂欢的特殊日子!
“618”、“双11”是当下零售市场最重要的两个节日,每年临近这两个日子,商家的各种促销活动此起彼伏,直播带货、线上线下广告格外热闹。每个活动都需要真金白银的投入,但为了吸引消费者这些钱不得不花,在一个消费者主导的时代,一切都得以消费者为中心。只有赢得了消费者的关注,才有可能得到认可,才有销售的机会。
其实,不只是在销售阶段商家在认真研究消费者。在商品的生产和设计阶段,消费者的地位也日益凸显。人们越来越认识到,零售行业正在转向以消费者为中心,它倒逼后端的生产和设计整个流程不得不发生变革,让消费者越来越多地参与到产品的设计、生产和销售的全流程中,这已经成为行业发展的大趋势。
C2M正是在这种背景下出现的。作为一种新的生产模式,C2M通过消费者和生产者之间的直接互动,支持客户定制、以销定产,借此来降低库存,提高运营效率,降低成本,最为重要的是很最大程度地满足消费者的需求,因此对企业无疑具有非常大的吸引力。
只是要实现这一切并不容易,不仅要求销售前端有好的连接能力、更快速的响应能力、更智能的决策,还需要后台一个更为智慧的供应链、更为智能的工厂,当然,最最重要的还有持续的创新能力,这些都需要数字化技术来支撑,这也正是数字化转型的核心价值。
实际上,我们可以看到制造行业正在以智慧工厂为目标推动数字化转型走向深入。比如,今天的不少商品已经实现了从最早的设计到中间的生产、销售到后期使用全称可数据化,目的不仅是让全流程可追踪和监控,更要基于这些数据准确了解客户的需求、了解商品的特性,从而实现数据驱动决策,帮助企业从产品驱动转向用户驱动和服务驱动,真正做到以消费者为核心。特别是大数据、区块链、人工智能、移动互联网等新技术的出现,让企业得以对生产、运输和销售全链条进行智能化升级,来更准确地把握消费者需求、降低成本,更好地服务客户。
本期杂志我们以C2M这个视角,来深入探讨制造行业的这场变革如何产生,数字化转型如何支持C2M的落地,如何支持制造企业的转型,希望通过我们的这个“C2M专题”能为正在转型和准备转型的企业提供一点参考。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。