2020年12月2日上海,全球领先的电子商务和在线交易反欺诈公司Riskified(睿思飞)正式宣布进入中国市场。Riskified将以先进的反欺诈解决方案,赋能中国商家的跨境电商业务,使他们能够安全地批准更多订单,增加收入,将业务拓展到更多地区,并提供更好的消费者体验。
使用Riskified反欺诈服务的商家,其线上收入通常能获得3%到20%的大幅提升,同时减少5%到50%的反欺诈管理成本。日前,Riskified正式进驻上海,这也是Riskified首次在亚洲地区设立办公室。
欺诈的威胁常常使商家过于谨慎,导致其丢失部分来自可信用户的订单。Riskified人工智能平台能够精准识别可信用户,在筛选出欺诈订单的同时,提高用户下单转化率。目前Riskified已与众多国际知名品牌,如古驰(Gucci)、普拉达(Prada)、Wish和施华洛世奇(Swarovski)等达成合作,此外也与春秋航空(Spring Airlines)、宁波豪雅(Costway) 等中国领先品牌携手,助力其提升在线订单批准率。与Riskified合作的中国跨境商家,能享受Riskified提供的拒付包赔服务,即Riskified会为所有批准的订单提供拒付包赔, 降低欺诈风险。
当消费者在电商网站上点击购买时,Riskified平台的机器学习模型会立即分析该笔订单,并将其与系统中已审核的数千亿笔订单进行比对,然后做出“批准”或“拒绝”的判定。这时,商家就可以知道这笔订单是安全的,还是存在欺诈风险的。Riskified业内首创的拒付包赔解决方案,会对所有获批的订单承担全部责任,也就是说,即使欺诈订单被错误地批准了,商家也可以从Riskified获得全额包赔。
拒付包赔模式能帮助商家实现最大的投资回报率,在大幅增加收入的同时降低其欺诈管理成本。通过Riskified,商家可以专注于为顾客提供更好的体验,而无需担心订单的潜在欺诈风险。
“随着中国跨境电商业务快速增长,在中国开展业务对Riskified来说至关重要。我们将致力于服务中国商家,助力他们实现全球发展的雄心壮志。”Riskified首席运营官兼中国区负责人艾敏(Naama Ofek-Arad)表示,“通常,我们能帮助商家增长3%到20%不等的在线业务收入,同时降低5%到50%的欺诈管理成本。此外,通过降低欺诈风险,我们还为商家带来了新的商业机会,让商家可以放心地进入传统意义上的高风险市场,从而取得销量和营收上的增长。Riskified创新的反欺诈解决方案将帮助中国跨境电商在提高销量的同时,无需担心电商欺诈带来的风险。”
“随着越来越多的中国商家在海外开展业务,他们面临着电子商务欺诈、错误拒绝以及因验证摩擦而导致订单减少等难题。Riskified在中国推广的反欺诈解决方案由超过550名员工开发,集合了以色列最新的尖端技术。”Riskified中国区战略总监朱利安(Julian Sarkadi)表示,“通过Riskified独家技术平台,商家可以免受跨境电商交易中普遍存在的信用卡无卡欺诈,从而帮助中国跨境电商为其海外消费者提供顺畅的购物体验。”
Riskified的解决方案还能与Shopify、Magento和Stripe等主流电子商务支付系统和解决方案无缝集成。此外,Riskified还提供了易于集成的应用程序API接口。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。