从以连锁经济为代表的传统实体零售,到以电商为代表的虚拟零售,再到当前虚实结合的线上线下(O2O)模式,全球零售业正在经历一场史无前例的剧烈变革。随着互联网+深入零售行业,物联网技术的日益成熟,零售行业将因此重获新生,向着更加智能、互联、融合的方向演进。
物联网如何为零售客户打造全新消费体验?近日,英特尔物联网事业部中国区智能零售业务总监王东华接受了ZD至顶网的视频采访,在其看来,依托智能互联计算优势,将网络运营商的特质与实体店的良好客户体验结合,无疑将是增加用户忠诚度、提升购物体验最行之有效的手段。
英特尔致力于通过端到端的物联网技术、基于数据的商业智能分析,实现线上线下的融合及“一切皆有可能,所想即所得”的零售体验。
— 全新英特尔物联网平台:全新英特尔物联网平台的一个关键元素就是可信分析平台(TAP),它让数据变得可操作,并被整合到一个端到端物联网解决方案中。Levi Strauss & Co*正在利用TAP获取实时库存洞察,这将有助于改进数据收集的准确性,从而为顾客提供更加贴心的店内购物体验。
— 英特尔® 数字标牌参考设计(EL21)不仅实现成本和性能功耗比的又一突破,更是针对中国市场广泛部署的一体机和小屏方案进行了优化。英特尔® 数字标牌参考设计(EL21)采用低功耗的英特尔® 凌动™ 处理器Z8300系列,支持多路高清视频同步解码和显示,并能实现两个独立显示,即一个处理器同时支持2块屏幕显示互动。除拥有卓越的媒体和图形性能外,这一完整的入门级平台同时支持包括安卓、Windows*等在内的多种操作系统,并集成针对数字标牌行业优化的多种接口,扩展灵活。该参考设计可有效简化开发过程,显著缩短产品上市时间。包括深圳杰和科技*、上海信颐科技*、杭州星际网络*、数拓网络*在内的多家生态系统合作伙伴正在基于该方案开发相关产品。
— 开放式模块化设计规范(Open Module Design Spec,简称OMDS): 目前,该OMDS规范已在易捷通*、海信*、小兵智能*、中科英泰*等合作伙伴的智能POS新品中得到应用。此外,该规范在制定的过程中也得到了中国电子商会商业信息化专委会的大力支持,并将由英特尔与商会在本地市场进行推进,共同助力中国智能POS机产业的健康成长。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。