从无人零售商店到玩法多样化的电商线下体验店,“新零售”这种将线上服务、线下体验与现代物流深度融合的模式,在过往一年间可谓赚足了眼球与流量。2017年云栖大会的余温还未散去,各大电商以及线下零售品牌已在为即将到来的“双十一”大战摩拳擦掌。
搭上了云计算、智能化与物联网技术“快车”的零售行业已经打破了空间的区隔,其业态结构和生态圈正在被彻底地重塑,让敢于创新的传统零售成功抓住了赢得消费者的机会。毋庸置疑,高性能的移动互联网基础设施是实现零售全面“触网”的基础,但它绝不仅仅是让用户连上Wi-Fi那么简单。
全球领先的下一代网络解决方案供应商Aruba此前在一份《物联网的当下与未来》白皮书中提到,80%的零售机构认为IoT和移动应用让消费者的购物体验大为改善,88%的机构由此提升了销售业绩。近日,Aruba在一份白皮书中具体列举了移动网络与物联网技术提升零售业用户体验的五大场景:
1.便捷准确的寻路功能
如果你很难想象一座花园要如何完全联网,那不妨看看西班牙久负盛名的马德里皇家植物园。由于园内的景观布置经常随成千上万时令不同的植物而变化,园方希望能保证游客及时了解到最新的参观路线和景点信息。最终,安装在占地8公顷的园内的超过270个Aruba BLE Beacon完美解决了问题。在植物园里,参观者可以随时随地接入无线网络,下载园区专门的App查看地图,基于人流可视化合理规划游览路线,不用担心错过园方精心策划的应季景点。在零售场景中,Aruba BLE Beacon部署在大型商超场所,让消费者在琳琅满目的店铺与商品中更快速的找到自己的目标,省去了遍寻不获的麻烦。
2. 更聪明的库存管理
相信不少消费者在购物时都有类似的无奈时刻:你想知道店里的某件衣服还有没有货,售货员便跑到存货的小屋里翻箱倒柜,而你等了半天的结果是一句“不好意思没有了!”这种低效率的库存管理对商家和顾客来说都是一种痛。全球的企业、组织因为贵重物品和存货的误放、被盗每年都要损失上百万美元。 Aruba基于位置的资产追踪解决方案可以帮助商家记录、追踪各项物品,提升库存管理效率。例如,新加坡零售商Decks在35家店内都部署了射频识别(RFID)系统,用RFID电子标签标记商品。这样一来,店员可以实时查询任何商品的位置、数量等信息,在为消费者带来更好的消费体验的同时,有效减少了门店的库存盘点时间、提升了库存精确度。
3. 个性化的“导购”
有了定位技术,根据每位消费者的喜好推荐个性化商品不再是网店的专利,实体店一样可以基于进店顾客的数字信息玩转交叉销售。在中国市场,集购物、餐饮、文化、娱乐等多种功能于一体的万达广场针对商场内的区域和应用场景都需要进行专门的无线网络部署。例如,中庭区域由于经常举办活动,需要高密度用户接入;而步行街需要高定位精度、准确即时的进出店监测。在Aruba搭建的全无线网络环境中,各类商家可以开展更有针对性、更高效率的服务,消费者可以及时获得基于地理位置的导购信息、个性化的商品与服务推荐,万达广场的O2O战略也得以进一步落实。
4. 无处不在的移动支付
微信、支付宝让中国在全球移动支付领域居于领先地位。截至2016年底,中国手机网上支付用户规模达到4.69亿人,年增长率为31.2%,网民手机网上支付的使用比例由57.7%提升至67.5%。当扫码付款成为越来越多消费者的第一选择,大型商业综合体的无线网络环境建设在网络接入密度以及移动支付的网络流量等方面也面临更大的挑战。Aruba的无线产品与解决方案在安全、稳定、抗干扰、速度等各方面完全可以满足大型商超、大型活动带来的考验,为消费者创造便利、流畅的消费体验。
5.智能化的店面
店内过于拥挤或售货员不够用都可能让消费者对实体店购物的印象变差。即便是像宜家、家乐福这样雇佣了大量售货员的大型商超,人员配置的合理性与服务质量也可能在客流高峰时面临考验。Aruba分析和定位引擎 (ALE)协助零售商实时收集店内消费者的位置信息,让零售商及时掌握店内的客流分布和消费者的行为轨迹,例如人们在哪个区域逗留的时间更长、什么时候是客流高峰。这样一来,商家可以根据大数据分析对店内员工进行更合理的安排,达到“好钢用在刀刃上“的效果。
Aruba中国区总经理谢建国先生点评认为,在新零售业态以及传统零售转型升级的背景下, 无线网络服务不仅仅是基础设施 ,更是创造全渠道个性化消费体验、优化商家管理的智能平台。那些拥抱移动网络与物联网技术的零售商将在新业态中占据优势。他强调,Aruba在零售行业已有多年的经验积累与优势,将帮助更多本地客户实现新业态的“华丽转身”。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。