“微信连接的下一站,是与智慧民生的对接。”4月15日,在微信公开课第三季成都站现场,微信团队表示,希望更大程度发挥微信的连接能力与价值,助推智慧城市在全国范围内的落地,让城市生活更便利。
本次微信公开课,时隔一年再到蓉城,由腾讯联合腾讯大成网、华西都市报共同举办。围绕“互联网+连接智慧想象”的主题,微信城市服务团队、硬件团队与企业号团队,现场解读了微信连接智慧民生和硬件的能力,以及通过微信连接企业的另一种可能。

城市服务让“慢”即是“快”
成都是不少人憧憬的“慢生活”城市代表,而造就这份安逸“慢生活”的前提正是城市服务的“高效率”。
作为城市服务高效率的代表,成都交警微信公众帐号推出的“三快”微交通事故处理便民服务,为广大市民提供了快速、便捷的“一站式”轻微道路交通事故责任认定、损害赔偿调解、保险查勘定损理赔服务。在2014年,成都8个快处中心共处理轻微交通事故8.13万件,较2013年上升35%,在缓解城区道路交通拥堵、提高道路通行能力方面发挥了非常积极的作用。
此外,成都著名景区西岭雪山也借助微信的力量,完成了游客体验与景区服务、流程上双重优化升级。上线仅百日,西岭雪山官方微信公众帐号已收获超过17万的用户关注,微信售票过万张,拉动交易额265万元。
微信公开课讲师范帷表示,目前,微信正通过推进这些有价值服务的聚合、沉淀,让成都等更多城市的用户能够以更便利的方式享受便捷高效的服务。

(微信公开课 讲师范帷)
用企业号发消息不限量
“生产效率的提升,内部流程的改造,乃至企业内部管理工具的改变才能让企业真正插上‘互联网+’的翅膀。”微信公开课讲师雷茂锋现场表示,对企业来说,仅仅面向用户或客户的“互联网+”是远远不够的,这也是微信继订阅号、服务号之后,再推出企业号的重要原因。而未来企业号也将成为微信在O2O布局上的重要支点,成为企业或者组织连接内外重要杠杆。

(微信公开课 讲师雷茂锋)
微信企业号是微信为广大企业和组织提供的移动应用入口,与服务号不同,企业号是针对企业内部沟通和管理的平台,可以与企业的OA、ERP、CRM等系统结合,甚至能与企业原本的服务号打通,以提升其服务水平。微信企业号不同于订阅号和服务号的另一个最主要的特点是群发消息次数不受限制。
目前,接入微信企业号的机构、公司数量已经超过20万,并保持稳定增长。未来企业号还将不断降低门槛,让更多机构体验到微信企业号带来的高效与便利。
微信硬件的魅力在酷炫,更在温暖
“过去,微信完成了人与人、人与服务的连接,微信硬件要做的,是促成人与物、物与物的连接。”微信公开课讲师孙丹青表示。可穿戴设备、家电、家居、健康设备、车载设备,甚至通过打通智慧停车、智慧交通、智慧政务、应急联动形成的智慧城市服务网,都是微信硬件的连接对象。

(微信公开课 讲师孙丹青)
从接入能力角度来说,微信硬件号将比普通公众帐号更为强大。微信硬件号不但提供扫描设备二维码、App带二维码跳转关注公众帐号、蓝牙/Wi-Fi近场连接等专门为物联网定制的功能,还涵盖了消息触达、轻应用、社交、支付、多客服管理等服务号的基础功能。比如通过乐心血压、乐心微动两个硬件号,不仅远在外地的孩子能够通过微信即时了解父母的身体状况,散落在各个城市的好友也能“一起运动”、互相督促、比拼排名,实实在在用科技传递了温暖。
未来,微信硬件号将成为一把打开物联网之门的“钥匙”,打通“人—设备—设备提供商”的三重连接,持续不断地为用户提供增值服务。
据悉,此次成都公开课后,微信公开课将转战东北。4月底,微信公开课将在沈阳开讲,相关工作已在紧张筹备中,届时将有关于微信的众多“干货”分享给东北父老乡亲和广大微信用户。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。