全球领先的物流服务供应商DHL近日与IBM发布了一份联合报告,对人工智能(AI)在物流行业的发展潜力进行了评估,并揭示了如何更好地应用人工智能实行物流行业变革,增加新智能物流资产,创造运营典范。DHL和IBM阐述了在人工智能的性能、可实现性和成本等方面均实现突破的状况下,物流行业的领导者该如何利用人工智能的核心优势和机会。
该合作报告指明了人工智能对物流行业的影响以及相关应用,认为人工智能有望显著增强人类的能力。人工智能在消费领域已无处不在,语音助手应用的快速增长就是有力的证明。与此同时,DHL和IBM发现人工智能技术正在快速成熟,可以为物流行业带来新的应用,比如帮助物流供应商通过会话式互动来丰富客户体验,甚至能在客户下指令前就开始递送产品。
DHL高级副总裁兼全球创新主管Matthias Heutger表示:“目前的技术、商业和社会状况比以往更适合对物流运作模式转变进行展望和预测。随着人工智能领域技术的飞速发展,我们有责任协同我们的客户和员工,共同探讨人工智能如何塑造物流行业的未来。”
许多行业已成功将人工智能应用于日常业务。比如,在工程和制造行业,人工智能正在生产线中发挥作用,通过图像识别和会话界面来简化生产和维护。在汽车业,通过人工智能来提高自动驾驶汽车自学能力的呼声很高。越来越多的例子证明了人工智能有诸多优势,有能力在改变消费者世界后再改变工业世界。
有了人工智能的帮助,物流行业将把其运营模式从被动行为转变为积极主动的预测模式,花费较少的成本在后台系统、运营和面向客户的活动中产生更好的洞察。例如,DHL开发了一种基于机器学习的工具来预测空运延误状况,以预先采取缓解措施。通过对其内部数据的58个不同参数进行分析,这一机器学习模型能够提前一周对特定航线的日平均通行时间进行预测。此外,它还能确定导致运输延误的主要因素,比如是出发日之类的时间因素,或是航空公司准时率等方面的运营因素,有助于空运代理商提前进行科学计划,而不是只能靠主观猜测。
人工智能技术可以使用先进的图像识别来跟踪货运和资产状况,为运输带来端到端的自主性,或提前预测全球出货量波动。近期中外运-敦豪国际航空快件有限公司获得专利的“小型高效自动分拣装置”就利用了图像识别技术,在进行快件分拣的同时,自动获取数据,并对接DHL的相应系统进行数据上传。显然,人工智能增强了人的能力,也让物流人员从日常工作中解放出来,将工作重点转向更有意义和价值的方向。
就像人工智能目前在消费领域无处不在一样,未来的人工智能将在工业领域得到广泛应用。人工智能致力于将物流行业转变为积极主动、具有预测性、自动化和个性化的行业。有鉴于此,该报告阐述了物流企业如何抓住先机,将人工智能技术应用到全球供应链中的最佳实践与方法。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。