科技行者 4月12日 北京消息: 4月12日,阿里云发布全新区块链解决方案,支持天猫奢侈平台Luxury Pavilion推出全球首个基于区块链技术的正品溯源功能。该方案旨在帮助进一步打造和拓展奢侈品供应链应用生态。
借助阿里云区块链技术,天猫会将奢侈平台Luxury Pavilion上商品的原材料生产过程、流通过程、营销过程信息整合写入区块链,使得品牌的每条信息都拥有特有的区块链ID“身份证”,附上各主体的数字签名和时间戳,供消费者查询和校验。
未来,消费者只需要在Luxury Pavilion上找到购买订单,点击“一键溯源”或直接扫描产品上的溯源码,就能看到对应的区块链编码,了解产品的产地、入境报关单号和入境报关时间等信息。
数据显示,Luxury Pavilion上线半年多,就已经拥有近10万年消费额超过百万的高端会员。吸引到LVMH、雅诗兰黛集团、Swatch集团、欧莱雅集团、PVH集团等全球9大奢侈品集团开启亲密合作,同时,包括 Burberry、Baccarat、Bonpoint、Givenchy、Guerlain、Hugo Boss、Hennessy等50个全球顶级奢侈品品牌都已入驻,涵盖重奢到轻奢,横跨服饰、皮具、美妆以及腕表等全品类。
实现如此众多品类如此丰富品牌的区块链项目,需要数据处理、资源调度、安全、使用易用度等多维度的综合能力。相关负责人介绍,在这方面阿里云区块链解决方案具有独特优势。“阿里云全球18个地域43个公共云可用区能够满足大规模商业化的区块链应用。与此同时,芯片级硬件加密,唯一且准确的身份标识认证能保护用户隐私安全。用户会受益于快速部署、成本灵活、可靠安全等特点”。
阿里云遍布全球的云计算中心以及高速可靠的企业级网络为构建国际化的区块链溯源联盟链提供强大的基础保障,以及结合阿里云先进的人工智能服务和专业的企业服务方案可帮助进一步打造和拓展奢侈品供应链应用生态。
自2017年10月起,阿里云推出了一系列区块链解决方案,除溯源防伪之外,还有供应链金融、版权认证、数字资产等,加速企业业务创新。阿里云支持开源Hyperledger Fabric和蚂蚁金服自研区块链技术,用户可以定制目标合约,程序化自动执行所需交易。Hyperledger Fabric是社区开源项目,方案兼容原生标准。蚂蚁金服则以49件专利名列“2017全球区块链企业专利排行榜”的首位,并参与了国家区块链与分布式记账技术标准化技术委员会的筹建,其区块链标准在隐私保护、国密支持等方面进行了加强,提供了金融级的高性能、高可靠且跨链兼容。
阿里云区块链即服务模块可部署于专有云、公共云、跨企业混合云环境,支持定制化创建私有区块链、联盟区块链,并会向不同类型的区块链参与方提供区块链相关服务。据悉,阿里云区块链解决方案已有数家互联网金融、工业和出版业的企业用户。
#第二届世界智能大会# #智能合约与区块链培训专场# #行业区块链闭门培训暨技术讲座# 邀请您5月15日,与#区块链#产业、行业、技术不同领域的专家共聚一堂,就#区块链技术#如何赋能行业与您展开深入的探讨及交流.
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。