路透社报道,阿里巴巴和中石化已经达成协议,由阿里巴巴为中石化提供云计算服务和大数据分析。不过,这次两个巨头的合作只涉及业务不涉及股权,具体合作金额也未透露。
电 商巨头阿里巴巴和国有石油企业中石化的合作迎合了目前国家促进国有企业进行信息技术革新并通过云计算和大数据技术更好追踪供需和排放量的政策。中石化表 示,和阿里巴巴的合作将帮助升级中石化目前的传统石油化工服务。阿里云则表示将帮助中石化建立云端商务系统和覆盖整个石油化工生产链的数据分析体系。两家 公司还将在物联网、车联网、金融支付、电商和O2O领域进一步合作。
截至2014年底,中国石化拥有自营加油(气)站3万多座,开设易捷便 利店2.4万座,每天为客户提供服务2000万人次,拥有约8000万加油卡持卡客户。2014年公司非油品营业额达171亿元,同比增长28%。相信这 次阿里和中石化合作是看中了中石化在线下的众多可以利用的门店资源,不管是支付、电商还是O2O,阿里在这些合作领域的想象空间都很大。
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。