长期以来,计算机使用平台和其他搜索代理的一大缺点在于,当你利用它们查找商品或酒店时,无法在同一窗口内完成任何交易。
Mastercard 希望通过将 AI 公司和平台整合进其支付网络,从而改变这种状况,让用户和企业能在各自的生态系统内无缝交易。今天,该公司宣布推出 Agent Pay——一个将 Mastercard 支付系统引入 AI 聊天平台的新支付项目。
Mastercard 首席数据与 AI 官 Greg Ulrich 在接受 VentureBeat 采访时表示,Agent Pay 实现了“闭环”的 agentic 搜索体验。
Ulrich 说道:“你需要在体验中形成一个闭环,以最有效的方式提升客户体验,这正是我们今天试图实现的。你必须确保生态系统中的每个人都能够识别代理,并验证该代理以安全、可靠地处理交易。”
OpenAI、Anthropic 与 Perplexity 现可接入 Mastercard 的支付网络,这使得其他网络参与者——包括商家、持卡人和金融机构——能够信任该平台的交易,并检查潜在欺诈风险。同时,这也使 Mastercard 能将其反欺诈和交易争议系统引入这些公司。
Mastercard 携手 Microsoft、IBM、Braintree 与 Checkout.com 合作,以扩展 Agent Pay 的规模,统筹该系统并为商家提升其他功能。它还将把 Agent Pay 集成到银行及其他金融机构中。
使 agent 搜索更有用
在过去一年中,我们已见证 AI 驱动的搜索从仅仅罗列信息转变为积极代理您使用电脑的操作。这些平台使用户能够请求 AI 模型在互联网上搜索各类信息,并能为产品或旅游目的地提供推荐。AI 搜索因而受到广泛欢迎。
本周,OpenAI 甚至宣布为运行在 GPT-4o 上的 ChatGPT 搜索添加购物功能,以期对抗 Google 在产品搜索领域长期占据的主导地位。
然而,用户一直发现,一旦看到优惠信息,就必须打开一个单独的窗口。
Mastercard 首席数字官 Pablo Fourez 表示:“我们将与 AI 平台及代理共同合作,使他们能够加入并接入这项技术。但在商家这一边,他们现在可以采取措施来识别这些交易,并更有效地管理相关风险。”
将这些平台引入像 Mastercard 这样的支付系统,使其变得更加有用——不仅仅是一个供人们查找信息的场所,更是一个用户可以发掘和完成交易的平台。
当 AI 公司成为支付网络的一部分时,也能改进企业构建的任何 agentic 工作流。试想这样一个 agentic 工作流:从搜索新供应商、挑选合适的供应商,到协助谈判、起草合同,再到通过平台完成交易。
该公司正在讨论将 Agent Pay 集成进 Microsoft 的 Copilot 以及 Azure/OpenAI 服务中。
Token 而非 AI
然而,Agent Pay 并非基于生成式 AI,尽管 Mastercard 在其他产品中确实利用了这项技术。
Agent Pay 依托于该公司的 Token 化技术,该技术利用密码学在数字交易中帮助掩盖个人身份信息 (PII)。
Fourez 解释说:“这个号码是独立的,如果不在你授权的交易背景下使用,它毫无用处。这是通过密码学实现的,它使每一笔交易都具有唯一性,即使他人获取了这些信息,也无法利用。”
Mastercard 利用生成式 AI 和大语言模型进行欺诈检测,Ulrich 指出这与 Agent Pay 的 Token 化技术协同工作,因为其 AI 模型会在交易发起后验证交易是否存在欺诈行为。
Ulrich 还补充说,Agent Pay 令交易中每个公司和个人都能信赖生态系统中的“规则”有效运行。
他说:“我们确保能够安全、可靠地识别生态系统中的这些参与者,并拥有一种方式可以安全地捕获和保存相关凭证。”
好文章,需要你的鼓励
这篇研究论文揭示了多模态大语言模型(MLLMs)存在严重的模态偏差问题,即模型过度依赖文本信息而忽视图像等其他模态。研究团队通过理论分析和实验证明,这种偏差主要源于三个因素:数据集不平衡、模态骨干能力不对称以及训练目标设计不当。他们提出了系统的研究路线图和解决方案,包括增强视觉模态在数据集中的贡献、改变模型关注点和应用偏好优化策略。未来研究方向则包括开发更客观的评估指标、探索更多模态组合中的偏差问题以及应用可解释AI技术深入分析偏差机制。
ComfyMind是香港科技大学研究团队开发的一个协作式AI系统,旨在解决当前开源通用生成系统面临的稳定性和规划挑战。该系统基于ComfyUI平台,引入了两项关键创新:语义工作流接口(SWI)和带本地反馈执行的搜索树规划机制。SWI将低级节点图抽象为语义函数,而搜索树规划将生成过程视为分层决策任务。实验表明,ComfyMind在ComfyBench、GenEval和Reason-Edit三个基准测试中均大幅超越开源基线,并达到与GPT-Image-1相当的性能,为开源通用生成AI开辟了新路径。
这项研究介绍了一种名为"热带注意力"的新型注意力机制,专为解决神经网络在组合算法推理中的困境而设计。传统注意力机制使用softmax函数产生平滑的概率分布,无法精确捕捉组合算法所需的锐利决策边界。
这项研究揭示了RAG系统中位置偏见的真实影响——虽然在受控环境中明显存在,但在实际应用中却微不足道。研究人员发现,先进的检索系统不仅会找出相关内容,还会将具有干扰性的段落排在前列,超过60%的查询中至少包含一个高度干扰段落。由于相关和干扰内容同时出现在检索结果前列,位置偏见对两者都有惩罚作用,从而抵消了偏见效应。因此,基于位置偏好的复杂排序策略并不比随机排序更有效,这一发现将优化方向从段落排序重新导向检索质量提升和模型抗干扰能力增强。