
很多朋友在用餐时,都希望侍酒师能为自己推荐一款适合口味的红酒。这款红酒既要匹配当前的场合、又要贴近您的口味需求,同时价格也应该在您可以接受的范围之内。
Vivino公司正在为此而努力。作为全球最大的网上红酒销售市场,Vivino正整理5100万用户生成的数据,帮助受众轻松挑选出更好的红酒产品。
▲ 图:Adobe Stock
在对Vivino公司创始人兼CEO Heini Zachariassen的采访中,我们探讨了Vivino如何运用大数据与人工智能技术帮助人们找到并买下自己心目中的完美红酒。
用信息获取勘破酒中“乾坤”
大多数消费者并不是红酒专家,面对市场上的众多选择往往茫然无措。也正因为如此,大家在商超内的红酒展柜之前,总会看到一些犹豫不绝的买主。
Heini Zachariassen建立Vivino的初衷,其实是想为人们普及红酒知识,在破除认识误区的同时帮助人们做出更为靠谱的选择。
只要在Vivino中拍下一张红酒照片,您就能立刻看到酒友评论、产品价格,甚至可以直接通过手机下单购买。您还可以在餐饮中扫描酒意,快速选出外出用餐时的合适酒品。
Vivino这种独特的红酒购物体验,离不开完全由社区数据提供的有力支持——每天多达2万名新用户下载这款新应用,并用自己的行动帮助其完善功能。
在被问及数据对于Vivino的重要意义时,Heini表示:“对我们来说,真正颠覆了游戏规则的因素,在于我们借用户的眼与手真正了解了这么多红酒。目前我们的数据库中存放着15亿张红酒标签图片、2亿条评论与1000万款红酒产品。2亿条评论,这样的数据规模是我们获得业务成功的核心前提,还没有哪家公司能与我们展开竞争。感谢5000万用户的持续使用,我们会维护好这份宝贵的信息资产。”
如今,Vivino应用已经能够提醒消费者眼前这款红酒涩度如何、是否适合餐点搭配、是否具有性价比等等。
在试酒之后,您还可以在应用中记下自己的个人评分与品尝笔记,并将结果添加至个人资料中以扩展应用对您口味及偏好的了解。
为爱酒人士提供个性化搭配
而最近,Vivino又以丰富的评论与个人资料数据为基础,开发出了新的人工智能(AI)分析功能,可以用来创建面向每位用户及每款红酒产品的个性化匹配分数算法。
当用户对至少五款红酒完成打完之后,数据库内的每种红酒都将为您显示出一项专门的“匹配得分”,帮助您快速判断自己高、中或低概率会喜欢上这款产品。
这些匹配得分是为您量身打造的——Vivino很清楚,他人口中的甘霖、也许并不能满足您挑剔的味蕾。
Heini解释道,“它的精确度甚至令我自己感到颇为意外。这款应用能把握住我自己都意识不到的喜好。例如,我特别喜欢香槟。有些香槟来自黑皮诺,有些则来自霞多丽。而Vivno算法敏锐地意识到,我不喜欢的香槟基本都来自霞多丽。”
他认为,整个红酒行业都可以运用Vivino及其他红酒技术企业收集到的大数据,配合机器学习与人工智能持续推动整个行业的未来发展。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。