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
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。