
瑞士跨国食品和饮料公司雀巢近日宣布了一项试点项目,该项目使用区块链分布式分类帐技术,使客户能够从农场到餐桌跟踪食物。
该试点项目旨在为公司、零售店及其消费者带来供应链透明度,该项目目前正在与OPENSC合作进行。
OPENSC由野生动物保护组织WWF-AUSTRALIA和波士顿咨询集团数字风险投资公司(THE BOSTON CONSULTING GROUP DIGITAL VENTURES)共同创建,它开发了一个平台,可以为任何人、在任何地方提供独立验证供应链数据真实性和可持续性的能力。使用区块链技术跟踪从采收、加工、装瓶和运输在内的每一步,以及有关食品来源和安全的其他重要数据。
雀巢公司执行副总裁兼运营主管MAGDI BATATO表示:“我们希望消费者在选择产品时做出明智的决定——选择负责任的产品。而开放式区块链技术也许能够让我们以可访问的方式与消费者分享可靠的信息。”
据了解,最初的试点计划将使用区块链技术跟踪来自农场和乳制品生产商的牛奶,以及新西兰农场运输到雀巢位于中东的工厂和仓库。之后,该技术将测试对美洲生产的棕榈油进行跟踪。
作为IBM FOOD TRUSTCONSORTIUM的零售食品分销商之一,雀巢一直致力于用区块链技术进行供应链管理并确保食品安全。
该计划使用区块链技术跟踪食品和饮料在供应链中的信息,以提高透明度,对食源性疾病提供卓越的监测,并使召回和回溯可能受到污染的批次变得更加容易。
今年4月,雀巢首次通过区块链数据,在法国为消费者提供了查看MOUSLINE PURÉE食品信息的机会。消费者可以使用智能手机扫描食品包装盒上的快速响应或者二维码,查看产品从雀巢工厂到家乐福商店之间整个流程的信息。雀巢和家乐福都是IBM FOOD TRUST网络的成员。
雀巢尽职采购全球负责人BENJAMIN WARE表示:“这种开放的区块链技术将允许世界各地的任何人查看我们尽职采购的事实和数据。”他表示:“我们相信这是雀巢今年2月宣布的全面披露供应链战略的又一重要举措,提高了全球透明度和尽职生产的标准。”
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。