等到今年晚些时候,购买Bumble Bee品牌金枪鱼的客户就能利用区块链技术确保他们购买的鱼是新鲜的、来源是可持续的了。
由于过度捕捞及其可能对海洋生态系统造成的连锁反应正在全球范围内成为一个日益严重的问题,因此消费者对食物来源变得比以往任何时候都要更加谨慎。
因加密货币比特币而闻名的区块链技术,已经被建议作为解决这个问题的一种解决方案。
如今,全球最大的海产品生产商之一,Bumble Bee Foods正在与SAP展开合作将这种区块链解决方案交到消费者手中,让消费者通过扫描商店的产品包装来确保产品达到了他们期望的标准。
今年夏天,包括Albertsons、Hy-Vee、Price Chopper和Safeway在内的多家零售商所组成的Natural Blue by Anova公平贸易黄鳍金枪鱼联盟成员都将在产品上加盖区块链衍生的二维码。
Bumble Bee首席信息官Tony Costa表示:“长久来,我们始终把确保可持续性放在第一位,但是这一次我们向前又迈进了一步。”
“因为现在我们可以对鱼类从被捕获的那一刻到销售点的全程进行追踪,我们让客户相信,我们正在让这个微妙的生态系统和我们供应链中每个人的生活变得不同。”
区块链是一种确保供应链完整性的强有力的工具,因为这项技术使用加密和分布式计算技术来构防篡改的分类帐系统。
供应链中每个环节的参与者(从海上捕鱼的渔民到包装商、运输商、经销商和零售商)可以记录经他们手的商品的质量、尺寸和状况等详细信息,除了他们直接负责的信息之外,供应链中任何一方都不能更改其他一环的信息。
由于所有信息都是加密的,因此扫描条形码的消费者可以知道这些信息没有被篡改过,他们购买的海产品的捕获时间和捕获位置与渔民在区块链上所记录的信息是一致的。
除了增强消费者信心之外,区块链技术还可以为采用这种技术的企业带来更高的利润和收入,因为区块链可以提高供应链的效率,甚至可以在发现记录信息出现错误的时候减少产品召回量。
此外,区块链技术还可以验证海产品作为一种公平贸易产品有关的数据,确保工人得到了公平的报酬,而且供应链中不存在剥削和奴役童工或者劳工的现象。
这次合作是SAP的区块链技术在食品行业的首次应用,但实际上其他参与者已经先行一步了,例如沃尔玛。
去年沃尔玛宣布将与IBM合作开发区块链解决方案运用于绿叶蔬菜业务中,旨在减少食品污染及其可能造成的疾病。
有观点认为,区块链和比特币一样,让很多人陷入了围绕新兴的、未经验证的技术的炒作之中。去年发布的一项研究结果显示,尽管相关投资有所增加,但几乎没有证据表明企业区块链给企业内部带来了巨大的变化或者增长。
Costa认为,尽管关于区块链的潜力存在一定程度上毫无根据的炒作,但在适当的情况下,区块链是拥有真正的转型力量的。区块链和人工智能和大数据等变革性技术一样,“都是要找到合适的用例。”
其中一个挑战就是运行区块链系统确保数据安全的加密和解密算法是需要耗费大量CPU资源的。
此外,尽管区块链上的信息一经记录就能确保数据的高度安全性,但实际上却无法验证输入点的数据质量。简单地说,就是保证用户向供应链中输入数据时没有造假,这仍然要取决于输入数据一方的安全检查措施。
因此存在一种危险的情况,那就是缺乏对这个问题的了解可能导致公众被告知区块链可以确保他们数据安全的时候造成“盲目的相信”。
但是,任何数据输入都存在这种情况,区块链并不会加剧这个问题。从长远来看,当企业组织开始看到例如提高产品质量和减少浪费等早期收益时,区块链很可能会成为一些紧迫性的环境和业务问题的解决方案。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。