
CNET科技资讯网 6月3日 北京消息(文/周雅):据接近百度内部的消息人士透露,百度地图将与百度糯米整合。
据业内分析人士称,糯米作为一个O2O电子商务应用,最需要的是流量的来源;而百度地图在百度所有移动端应用当中流量来源非常强劲,同时百度地图近年非常强调在地图中植入生活场景,例如在地图中搜索酒店、搜索电影院等等。
双方之所以可能整合,是因为如果把糯米O2O的各项服务植入百度地图当中,一方面两者在产品功能上可以整合,另一方面也可以降低糯米的获客成本,未来两者在产品上会有非常大的打通,百度地图为糯米提供流量,糯米为百度地图植入丰富的生活场景。
百度近来转型连接人与服务,大量扩张O2O生活服务业务。而百度地图和百度糯米可以说是百度O2O战略最主要的阵地,百度董事长兼CEO李彦宏曾经把这两者比做百度O2O的“两条腿”,从这个角度看,两者合并,或许是水到渠成的结果。
一边,李彦宏去年6月30日宣布3年内对糯米业务豪砸200亿元人民币。同年9月,曾良在“会员+”O2O战略基础之上加了“糯米+”O2O生态体系,开放资源和流量,大量接入第三方品类,丰富商业产品。
另一边,百度作为一个“流量”土豪,在O2O层面仍然对流量非常看重,百度地图一直定位为O2O入口的地图平台,整合了百度系的携程、去哪儿、糯米、外卖,积累了大量的流量。今年4月份,百度地图把触角伸向了海外,李东旻公开表示“百度地图年底覆盖全球主要国家,以及2020年实现50%流量来自海外”的目标,并扬言为了这个目标,不惜投入。
李彦宏曾经这样“梳理”百度O2O的两条业务线,“给它们一定的时间,这些部门也会成长为市场上的领军角色,其相应的盈利能力也将得到提升。随着时间的推移,这些业务都将在整体收入中占有重要的一席之地。”
从目前这种状态上看,两边的业务似乎早已经蓄势待发,整合只是时间问题。
后续:文章发布14小时后,百度地图内部否认了此事,具体详情笔者会做跟进报道。
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。