Amazon 最新成为加入生成式 AI 工具阵营的科技公司,推出旨在个性化在线购物体验的新功能。
周三,Amazon 在一篇博文中宣布推出名为"Interests"(兴趣)的新功能,帮助购物者在其商店中发现与其兴趣爱好相匹配的商品。该公司表示,这个 AI 系统可以为 NFL 球迷推荐新款橄榄球服饰,为高尔夫爱好者推荐球具装备,或为摄影爱好者推荐摄影器材。
这款在后台持续运行的工具旨在帮助购物者筛选繁杂信息,找到最适合他们的商品。购物者可以使用自然语言 — 比如"咖啡爱好者的冲煮工具和小器具" — AI 就会在 Amazon 商店中搜索相关产品。该功能还会根据购物者的预算范围生成定制化推荐。
这是 Amazon 不断扩充的 AI 产品线中的最新升级,其他产品包括更具对话性的 Alexa、更多 AI 生成的评论摘要以及对其现有 AI 购物助手 Rufus 的增强功能。这也恰逢各大科技公司正在探索如何让 AI 系统更像真正的助手,为用户提供有意义的支持的时期。
但市场研究公司 Forrester 的分析师 Sucharita Kodali 认为,这个工具感觉像是对零售业长期使用的现有个性化系统的扩展。她说:"在我看来,这只是另一个带有偏好中心层的推荐引擎。也许它有一个更漂亮的用户界面来吸引人们,但对我来说,这与电商几十年来一直拥有的功能并没有太大区别。"
这一消息与 Amazon 的春季促销同时发布,此次促销涵盖电子产品、家居用品、日常必需品等多个品类的优惠。该功能目前仅向少数美国用户开放,可在 Amazon 购物 App 和移动网站上使用,计划在未来几个月内扩大使用范围。对于获得早期访问权限的用户,该功能将出现在 Amazon 购物 App 的"Me"(我的)标签下。
好文章,需要你的鼓励
在他看来,企业对AI的恐惧源自未知,而破解未知的钥匙,就藏在“AI平台+开源”这个看似简单的公式里。
斯坦福和魁北克研究团队首创"超新星事件数据集",通过让AI分析历史事件和科学发现来测试其"性格"。研究发现不同AI模型确实表现出独特而稳定的思维偏好:有些注重成就结果,有些关注情感关系,有些偏向综合分析。这项突破性研究为AI评估开辟了新方向,对改善人机协作和AI工具选择具有重要意义。
Pure Storage发布企业数据云(EDC),整合其现有产品组合,提供增强的数据存储可见性和基于策略的简化管理。EDC集成了Purity存储操作系统、Fusion资源管理、Pure1舰队管理和Evergreen消费模式等架构元素,提供类云存储管理环境。该方案支持声明式策略驱动管理,让客户专注业务成果而非基础设施管理。同时发布高性能闪存阵列和300TB直接闪存模块,并与Rubrik合作提供网络安全防护能力。
威斯康星大学研究团队提出"生成-筛选-排序"策略,通过结合快速筛选器和智能奖励模型,在AI代码验证中实现了11.65倍速度提升,准确率仅下降8.33%。该方法先用弱验证器移除明显错误代码,再用神经网络模型精确排序,有效解决了传统方法在速度与准确性之间的两难选择,为实用化AI编程助手铺平了道路。