
CNET科技资讯网 4月21日 北京消息(文/周雅):CEO朋新宇表示,此前AlphaGo在围棋人机大赛中的胜出,究其根本是机器吸纳了大量人类智慧经验的大数据。他认为,尽管我们还不能以此定论,大数据可以主宰一切。但是可以确信的是:一个大规模生产、分享和应用数据的时代已经开启,数据正在改变着世界。
朋新宇分享了自己对于未来数据行业发展的看法。他认为:在智能设备已由单终端发展至多终端的今天,一个网民的行为不等于一个人的行为,如果从单一角度去判断用户特征,只是盲人摸象。未来数据价值在于数据的连接与流通,而未来的数据一定是全域数据:即多终端的数据采集与连接,多方数据的汇聚与融合,多场景数据的挖掘与运用。

友盟+ CEO朋新宇
作为本届峰会亮点之一,友盟+现场发布了继今年1月份成立以来的首个数据产品系列——U-plus系列产品,意在开启数据的Plus时代。在这一时代里,全域数据将会成为主流。
U-plus系列产品为一个数据服务组件,包括了游戏分析U-Gplus服务、智能分析U-Dplus服务、线下分析U-Oplus服务、广效监测U-ADplus等不同纬度的数据服务产品。
朋新宇在U-plus系列产品发布时表示,U-plus系列产品是以500万家网站、100万款APP应用、11亿移动智能设备数据作为数据蓝本,从多个维度对互联网用户的全域数据进行对比分析,可以满足垂直行业个性化需求。
作为峰会的另一个亮点,友盟+发布国内首份《2015全域大数据报告》。该报告由友盟+历时数月完成,从线上数据综述、移动数据发展以及O2O数据等多个纬度对2015年全域领域内大数据行业的发展进行了深度的解读。
据了解,首届UBDC全域大数据峰会由“无数据不智能”主论坛和数据化运营、大数据营销、IOT和O2O数据应用及阿里数据经济研究中心(ADEC)协办的数据开放与发展纵横谈,4个平行分论坛构成,吸引了海内外2000多名数据行业人员参会。
友盟+自今年1月由三家数据公司——友盟、cnzz、缔元信,整合升级而成,并以打造全球最大的第三方全域大数据服务提供商作为其公司使命。
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。