
市场研究机构Juniper Research周一发布的一份调查报告结果显示,由于支付服务Apple Pay等普及,越来越多用户会通过移动设备进行网上购物或银行理财,预计2017年,全球移动商务交易用户将增至20亿。
Juniper预计,到今年年底,全球范围内通过智能手机或平板电脑参与某种形式的移动商务交易用户总量将达到16亿。Juniper所定义的移动商务交易用户,指那些利用智能手机和平板电脑,将自己银行账款转至电子商务平台的用户。
Juniper称,推动移动商务交易市场增长的关键动力来自成熟市场。报告显示,在未来五年内,半数在线交易将在移动设备上进行,而不是在PC上。但Juniper未透露目前通过移动设备进行的在线交易在所有在线交易中的占比。
Juniper同时指出,近场通信(NFC)技术在移动商务领域尚未普及,比如在在一些发达国家市场,苹果的Apple Pay和谷歌钱包尚未推出,但预计苹果的Apple Pay将在很短时间内推动移动交易市场增长。
不过关于未来移动商务前景的预测并非全是利好消息。Juniper支持,尽管移动交易市场未来将有乐观增长,但用户明显对于移动解决方案的安全性能仍保持担忧,而这可能会有效阻碍移动商务的健康发展。
Juniper暂未及时回应记者置评请求。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。