
北京时间6月23日上午消息,亚马逊将利用人工智能技术对抗虚假产品评论和评分,打击网购刷单行为。
亚马逊将部署一套全新的人工智能机器学习系统,因此,身份得到确认的消费者发表的评论将得到更高的权重,并将在更加突出的位置展示出来。而被其他用户标记为有用和及时的评论也将得到类似的待遇。
这套系统将把亚马逊认为精准的评论置顶,并使用这些评论来给商品评分。而之前的评分系统只是计算了所有评论的平均数,导致虚假评论对产品的整体评分产生了重大影响。
亚马逊对科技网站CNET表示,这套算法将于周五开始部署,初期的效果可能并不明显,但今后将会逐步改进。
用户评论已经成为网络购物诚信体系的基石:用户无法在购买之前亲自看到这些产品,因此,其他用户的评分和评价便成为了重要的参考信息。
这意味着营销人员必须不遗余力地影响评分,尤其是当产品在某个网站上架的初期。他们会发布虚假评论,并雇人刷单。这种行为在各大电子商务网站已经蔚然成风,而作为全球最大的网络零售商之一,亚马逊自然成为了重要目标。
事实上,刷单行为并不仅限于网络零售商。TripAdvisor和其他旅行网站同样受到这类行为的重大影响。
TripAdvisor英国高管詹姆斯·凯(James Kay)说:“我们拥有一整个团队来处理虚假评论问题,还使用了自动化系统和专门的团队来评估用户的评价,过滤虚假内容。”
为了赢得用户信任,越来越多的网站还是通过更加智能的系统处理用户评论,避免这一渠道遭到滥用。
亚马逊的这套人工智能系统将获得竞争对手和开发者的密切关注,倘若能够起到效果,便有望对刷单构成打击。
好文章,需要你的鼓励
过去十年,终端厂商比拼的是“性能”和“参数”,如今,竞争的焦点正转向“智能程度”。
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。