在连续五年领跑印度智能手机市场之后,小米在去年最后一个季度跌至第三位,落后于三星和Vivo。2023年的情况看似更糟,按照出货量计算,小米在前两个季度分别排名第四和第三名。现在,小米正改变策略,试图重振旗鼓。
小米计划减少每年推出的智能手机数量,并更加关注线下零售,小米印度总裁Muralikrishnan B在7月份的一次新闻发布会上说,“我们在线下的市场份额远低于线上,线下是其他竞争对手表现很出色并占有较大市场份额的地方。”
Canalys分析师Sanyam Chaurasia指出,小米销售放缓的主要原因之一,是该公司庞大且令人困惑的智能手机线。“他们在积极扩大线下渠道,这需要一些时间,需要做大量的基础工作,培养零售商等,很有挑战性。”
除了产品线和分销渠道,小米还要克服一些其他挑战。Counterpoint数据显示,印度对低端智能手机的需求已经下降。并且小米还一直在应对监管审查,遭受资产扣押。过去一年,有多名高管离职,其中包括前印度业务负责人马努·库马尔·贾恩(Manu Kumar Jain),他是推动小米早期在印度成功的关键人物,一路带领小米在印度市场“披荆斩棘”。
小米首次进入印度市场是2014年,当时凭借价格仅为200多美元但配置了64GB存储和2GB 内存的智能手机,迅速占领了市场。很快,小米就超越当时占据主导地位的印度智能手机品牌Micromax和Karbonn。小米3开卖时,印度电商网站Flipkart甚至一度崩溃。2016年,小米与Oppo和Vivo共同占据了印度81%的市场份额。而后,小米将业务扩展到电视、耳机和其他非智能手机设备。到了2019年,小米在印度已经出货了1亿部智能手机。
然而,从2020年,小米开始遭遇一系列麻烦。当时印度政府由于地缘政治紧张开始禁止超过300个中国应用。小米的应用程序Mi Community、Mi Browser Pro和Mi Video被关闭,这些应用累计拥有3000万日活用户。2022年,印度执法局突击搜查了中国手机制造商小米、Vivo和华为的办公室。小米被指控以支付“特许权使用费”为名非法汇款,印度当局扣押了小米印度公司银行账户中约合48亿元人民币的资产。
在新闻发布会上,Muralikrishnan B表示,小米过去推出了“太多的产品,太多的选择”。尽管公司领导层已经对形势进行了评估,并承诺要改革,但他们并不指望今年小米能够重返榜首。“这些都是长期的比赛”他说。
好文章,需要你的鼓励
亚利桑那州立大学的研究团队开发了RefEdit,这是一种新型图像编辑AI系统,能够准确理解和处理指代表达(如"中间那个人"、"右边的猫")。通过创建RefEdit-Bench基准测试,研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程,仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。
这项研究提出了Critique-GRPO,一种创新的在线强化学习框架,将自然语言批评与数字反馈相结合,克服了传统仅用数字反馈的三大局限:性能瓶颈、自我反思效果有限和顽固性失败。实验表明,该方法使大语言模型能够从错误中学习并改进,在八项数学和通用推理任务中,将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%,超越了包括那些引入专家示范的方法。研究还揭示,高熵探索和长回答并不总是最有效的学习方式,质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。
这篇研究介绍了"量化LLM评价者",一个创新框架,能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法,将评估过程分为两个阶段:先让LLM生成文本评价,再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型,适用于不同评估场景,实验表明它们不仅能显著提高评分准确性,还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景,为AI评估领域开辟了高效且可解释的新路径。
这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统,通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同,它采用规划-行动-总结的三步骤推理,使AI能像人类一样逐步分析图像中的候选物体,并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法,系统在精度、可解释性和泛化能力上均取得了显著进步。