
近日来,京东因售后和泄露隐私等问题连续遭到名人吐槽。先是作家六六在京东买到烂水果,拒绝和解,只要公平。之后王思聪发微博称京东泄露其隐私至今没有给出回应,同时力挺六六。昨天,@京东发言人微博发布了一封对 王思聪的道歉信。根据道歉信内容,该事件起源于第三方卖家私自泄露了王思聪的购物记录,而京东没有及时对此事进行处理。对此,京东方面已经要求该店对相关 信息进行删除,并对其进行了相应的处罚。同时京东表示会进一步改进第三方平台商家的管理工作,努力提升用户体验。
此事的焦点在于维权过程,六六先是以普通消费者身份维权未成,改以微博大V身份发布文章之后,剧情就立刻反转,京东天天果园不仅承诺退货、道歉,还赠送六六每月500元水果充值卡。
王思聪亦是微博大V,京东方面反应快速,不到一天时间就调查清楚并向王思聪道歉,并承诺加强管理。
显然,维权成功跟其大V身份分不开。这就如同六六所言,“我作为普通百姓的生活,举步维艰,每每都要靠大V身份和粉丝帮助才能讨回我本该拥有的权利。”而普通消费者在电商平台购物时,所遭遇的种种维权苦恼,则早已是罄竹难书,网络上可以看到很多网友反映的维权案例,消费者本该拥有的权利,就这样遭到电商的漠视。这是一种畸形现象。
近些年来,电商平台在零售市场所占据的份额越来越大,但投诉也越来越多,只是由于普通消费者缺乏话语权和影响力,也未曾受到电商平台的重视,而六六和王思聪这种大V则不同,其所发布的微博影响力太大,故此在第一时间就得到电商平台的回复和道歉。
因此,六六和王思聪维权成功的过程,将京东平台的第三方管理和售后服务软肋暴露无遗,其对待大V和普通消费者的态度大相径庭,亦令公众为之寒心。显然,以京东为代表的电商平台需要反思教训,不能再漠视和侵犯消费者权益,不应搞身份歧视,不应区别对待消费者的投诉维权,而是对消费者一视同仁,尊重每一位消费者的合法权益,认真对待每一条投诉信息,严格内部管理工作,杜绝类似事件再次发生。
前不久,一位女民警因对公民身份证信息管理不善,导致李易峰、杨洋的身份证号、曾用名、户籍所在地等个人信息被其女儿轻易得到,并公开曝光,泄露了两位明星的隐私。为此,女民警受到行政记过处分。无独有偶,因第三方卖家泄露了“国民老公”王思聪的购物记录,京东公开向王思聪道歉。问题是,如果被泄露个人信息的不是明星,这位女民警还会受罚吗?同样,如果被泄露隐私的不是王思聪,京东还会公开道歉吗?
我国应加快建立健全统一的公民信息安全保护法。再者,应对公民个人信息的采集、使用和保密等问题制定详细规定。在信息采集的源头方面,对采集主体设定门槛,规定必须在事先履行核准和登记程序等。同时,实行群防群治,完善举报机制,强化惩戒措施,提高违法成本。
六六在其《我要的只是公平》中讲述的是一个中国老百姓没有公平的故事。从上学就医开始的拉关系、拼人脉,到遭遇不公平对待时的维权无望,再到适应这样一种状态,最终形成恶性循环,形成不公平的深厚土壤。
在一个缺乏公平的社会里,人们一方面从内心渴求公平,另一方面又总试图走歪门邪道。在中国的城市居民中,中产阶级正在不断壮大,他们在财富上的积累足以让自己和家人远离物质贫乏的生活。但是,公平依旧距离他们很遥远,也许,他们有车有房有店铺,他们在户籍制度,在教育资源,在信息获得上,都占据着社会的优势面,但他们和所有劣势面的人一起,共同塑造了这个社会的不公平。
要我说,实际干好点比事后道歉重要。
——黄勇
这几年在JD消费也快10万了,可是服务真的越来越差。你们这样下去不就是想我们都去天猫吗?
——苏磊
就是店大欺客。前几年在京东上买东西发货很准时,最近连续被京东坑两次,东西到了本地就是不派送,拖了个把礼拜,最后都是强烈退货。
——李芬风
前两周公司买了山竹,一大箱,没一个能吃。一大箱进口苹果和两个大火龙果也是吃着没一点味道。好几百大洋就那么打水漂。@天天果园@京东这么坑消费者。
——鲁扬
今天的王思聪这篇博文很谦卑,作为一个有社会地位有着更大影响力的生活在食物链顶端的人,对于自己的隐私被京东泄露,却是站在一个普通消费者的角度在投诉。
——花千样
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。