A | Five crooks, including two women, who were operating a duplicate police station inside a guest house not far from the town station and the superintendent of police's home, were detained by the Banka police in the northeastern state of Bihar in India, the Hindustan Times reported on Friday.,The incident was discovered on Wednesday night when the station house officer (SHO) of the town police station - the officer in charge of the facility - observed a man and woman in uniform carrying a homemade weapon rather than a standard-issued revolver.,Five people have been arrested as a result, according to the report, citing a local police chief.,As the outlet noted, the gang was so perfectly positioned within the Anurag Guest House office that a regular person might have easily confused them for government workers. One of the women reportedly pretended to be the police station's SHO while wearing a uniform and carrying a handcrafted pistol. Another gang member pretended to be the deputy superintendent while wearing badges.,From their possession, police seized a country-made pistol, four police uniforms, more than 500 Pradhan Mantri Awas Yojana application forms (an Indian government program that aims to create affordable homes for the poor), 40 Banka BDO electoral cards, bank checkbooks, five cellphones, a seal belonging to the political party Janata Dal (United) district president Alka Kumari, and fake identification cards, among other incriminating items.,"The kingpin of the gang, Bhola Yadav alias Mukhia, is still at large, while the roles of guest house manager Heman Mishra, Sunil Mehtar and Alka Kumari are under the scanner,” the superintendent of police is quoted as saying.,According to him, Bhola and other con artists deceived people by promising them jobs and incentives from various government programs.,The preliminary findings of the ongoing investigation reportedly revealed that the criminal mastermind Bhola established an office in the city of Patna, central Bihar, under the guise of the Escort Police Team and conned individuals into working for him by promising positions in the police and other government agencies.,Additionally, they used other existing government initiatives as a cover to extort money from the locals. Two of the women arrested admitted to paying Bhola bribes of 90,000 and 55,000 rupees (about $1,120 and $600 correspondingly), respectively, during questioning.,The investigators suggested that "Bhola got them posted in the fake police station and the duo thought they were recruited in the police."。 感知、创作、算账、理解 淘宝也在搞 AI，并且卓有成效。
B | 但具体怎么搞的，市面却没多少信息 在淘天的第五届「硬核少年技术节」，他们发布了四项成果：分别落在感知、创作、推断、理解四个方向： AIGI/图搜：拍立淘全模态实时 Agent AIGC/If Studio：全场景 AI 创作工作台 AIGU/Coupella 智惠引擎：生成式因果推断大模型 AIGR/Dream：Agentic 驱动的推荐系统 我趁机和他们的几位技术负责人碰了一面，聊了聊 AIGX 体系，也算是整体的把「淘宝在怎么用 AI」这个事儿仔细的做了一番梳理，有了本文，其中我会重点讲一下「生成式因果推断大模型：Coupella」这个东西...与我的经历有关 作为背景，我的第一桶金是 10+ 年前做淘宝赚的，然后现在我在搞 AI，所以整个聊下来，就颇有种跨时空对话的感觉...以前我干的那些脏活累活，比如抠图、填表、配券，现在都 AI 话里，嗯……就挺感慨的 Agent 版「搜同款」 「拍照搜同款」的拍立淘大家都用过吧？拍个照片，返回相似物品 现在的拍立淘变成了一个实时 Agent。摄像头对着东西的瞬间，它已经在理解你的意图、检索商品。你可以直接说「帮我找个露营帐篷，预算 500 以内」，它听懂场景、预算、偏好，直接给方案 然后它还能记住上下文，比如你再说「有没有 100 支装的」，它会复用上一轮的结果，期间还能随时语音打断，系统即时响应，接着聊下一轮 当然，现在的「拍立淘Agent」也不仅限于买东西，也可以用于许多生活场景，比如对着衣服问搭配、出国对着外文包装翻译比价、博物馆对着展品听讲解等等，N 合 1 了算是 Agent 版「一键出图」 我是做过电商的，淘宝店、独立站、亚马逊都做过，对于当年的我来说，最耗费时间的东西莫过于修图 记得以前搞亚马逊站的时候，我在海外卖一些小玩意儿，就是先从淘宝/阿里巴巴上进货，然后集中运到亚马逊 FBA 再开售；而作为商品本身，我需要把原先淘宝上的中文海报，逐个 P 成英文海报，就非常耗时间 我就记得当初有一批货是数码配件，国内的产品图下面有一堆的配色信息，什么睿智黑啥的，俺也不懂就直译了过去（wisdom black），老外看了给出了大大的问号...我尝试把当时的场景画出来，让大家感受下 当然，现在是好了，这种出图啥的都能一站式 If Studio 便是淘天推出的 AI 创作工作台，包含设计、视频、建站三个专家 Agent 协同，用自然语言描述需求，自动拆解任务、推进生成。内置的 happyHorse 1.1 视频模型覆盖不少场景，CG 动画、穿搭解说、商品棚拍、种草试穿都能做 对没有创作团队的小商家来说，正经省了不少时间 Agent 版「推荐系统」 以前推荐系统做的事叫「千人千面」 方法呢，就是先给你做个用户画像，包括性别、年龄、消费力、偏好类目，然后按这些标签从商品池里捞东西给你；比如说你曾经看过思维驰，肯定聪明爱学习，就会给你推荐更多的学习卡带；你买了猫粮，就会标记成养猫的，然后可能给你推荐更多的猫咪用品 当然，我上面说的也是很笼统的概念，具体落地还有许多细节，但本质上上一代的推荐系统就是在做各种各样的标签匹配，把这个人与可能点击的商品联系起来 那有了 AI 加持下的推荐系统，应该怎么做呢？它需要解答这么一个问题：你此刻想解决什么问题，系统应该采取什么策略 作为一个一种易于理解的场景（当然，非常不准确，现在的标签系统也不会这么推送了），假定我在春节期间买了许多红包封面，这绝对不能算「我是红包封面爱好者」，春节期间若是与我推送更多的好看红包也就罢了，但如果在端午节也给我推送红包封面，就多少显得有些睿智 而更加符合用户心意的做法，是判断用户当下是不是真的需要，这里用一个相对真实的例子：一位女性用户，点开了一款高倍防晒霜 传统的推荐系统，会看到这个行为，结合标签给他推荐更多的防晒霜 在 Agent 加持下的推荐系统（Dream），则会结合她每年五一出游的规律，推测是海边旅行，推了防晒相关的出行装备：然后当发现她浏览了几款防晒产品后，都没有下单，而是反复查看「是否适合儿童使用」的评价，理解了真实需求是在为孩子选购，把儿童友好的防晒霜推到她面前 这大概也是 Agent 加持下，推荐系统的更强大之处：随机浏览时扩展品类帮她发现新选择，比价纠结时强化价格和评价信息，临门下单时收敛到预算匹配的商品，买完之后降低同类打扰转向关联需求 这套系统目前已部署在首猜场景，并使整体成交金额提升 3% Agent 版的「增收系统」 对于整个 AIGX 体系，「Coupella 智惠引擎」这套增收系统是我最想搞明白的，为此专门拉着团队的技术负责人聊了将近一个小时 先讲一下背景，在大模型时代之后，淘天平台在帮助商家经营这一方面的投入很大。技术团队去跟商家聊，痛点收拢下来，两个问题最突出 其一：配券难 我经常大撒币：速测 Qwen3.8 预览版：我用 1 小时，开发了套撒币系统 然后在实际的经营中，给优惠券促销，是一件非常有技术、但又令人头大的事儿，发满减还是折扣？发给谁？发多少张？其实很多时候都是拍脑袋决定的，即便历史数据做参考，但实际每次的环境都在变；今年的7月就没法参考去年同期的数据...因为今年又世界杯 其二：算账难 经营店铺是要看效果转化的：付出多少成本，带来多少；而对于券效果的评估，以往就基本是看当天：带来了多少有效下单客户，总 GMV 是多少 但在长周期活动，比如双十一之中...诶...随着军备竞赛，现在双十一已经长达 30 天了...就很难评估这个券是正向的，还是欠考虑的：如果活动力度过大，可能是把明后天的营收透支了，最后没多赚到啥 对于这种情况怎么处理，其实我并不觉得可以通过简单套公式来搞定，毕竟这样不是一个单纯的财务问题 这两个问题产生了很久，也让很多商家挠头，但技术不到就是解决不了 好在过去一年里，无论大模型的能力还是 Agent 能力都突飞猛进，业务痛点和技术成熟度算是匹配上了，问题才有了解法：Coupella 智惠引擎，背后是生成式因果大模型 这里我得补充说一下，在 2026 年这个时间点「大模型」「Agent」「Harness」等等概念的边界在不断融合和泛化，或许本文你是在1年以后看到的本文，到时候我们的理解可能又变了 Coupella 先帮商家算了笔账：发的哪些券，是有效的？为此，系统会进行三层归因和挤占： 第一层，抢隔壁的：东家不买西家买，其实算是内卷，不好 第二层，抢自己的：本来不发券也会下单，现在多发了，不好 第三层，抢明天的：把未来的订单提前透支了，订单波动贼大，不好 这三层剔除完，后面的营销投入才对应着真实增量，然后就可以让 AI 来帮忙发券（如果感兴趣，可以看 KDD 2026，相关技术已经被收录了） 在发券的这一步，商家只需要确定目标，比如你想要成交还是要新客、ROI 的底线是多少，接下来就都是 AI 去干的了：Coupella 就能从方针到投放，自闭环的完工，用最优的方案来执行 这其实也是我当初做电商的时候，最想要的东西...回想当初，每天瞎拍脑子送优惠，感觉自己大半的营销经费都在打水漂（虽然我也经常看分析报表，但人脑的上下文实在太少了，效果有限） 于是，Coupella 这套系统自打上线，就获得了真金白银的好评：上线以来覆盖数十万商家，AI 红包整体转化率提升 81%，今年 618，商家追加出资呈双位数增长，近 10 万商家在平台出资之外主动追加投入 我确实很好奇，为啥一个新出的功能，还是 toB 的能增长这么快，这些商家是如何敢真金白银的投入的？然后我就听到了这么一个故事： 今年世界杯期间，有一家小店体育用品店，日销 1000+ 人民币，也没有运营团队；在接入 Coupella 之后，AI 主动帮它匹配潜力消费者，七日到店的买家从 7 人涨到 454 人，单日 GMV 从 1310 元涨到 11.9 万，ROI 28.7 倍，超半数是新客 emmmm...牛逼，这种数据案例在店家之间也会口耳相传，带动了新技术的落地 对了，完全插入个题外话，也算是个生活小妙招： 买东西的时候，可以故意领券不核销，完了平台会给推更大的券 AIGX 背后的人 新技术浪潮之下，我们是惶恐的，也是奋进的，在这次「硬核少年技术节」的感受尤为如此，他们的技术同学反复在跟我强调，技术的落地应用不能闭门造车，要理解商家到底在经营中需要什么，我们应该多跟业务聊、跟商家聊 时到今日，Agent 的成熟让老问题终于有了解，我颇感受到这几个词背后的沧海桑田：天时、地利、人和 AIGX 体系，感知、创作、推断、理解各管一段，合起来覆盖电商经营的核心场景，亦有相互交叉相融，一如 Coupella 在算清了增量信号后，去影响搜推的流量分配，而搜推背后正是 DREAM 的意图引擎 而这些东西的背后，是技术节里台上台下的年轻工程师，和他们的双肩包与笔记本，恍惚间看到了十多年前在宿舍里对着「睿智黑」翻译发愁的自己，而现在有着这么一群可爱的人，在用新的技术，去把那些脏活累活清理掉 硬核少年技术节，会场。
Current article:http://in9m4vd.cuiguagonggengaotianwan.shop/news/20260826_8424955.html
Published on:16:47:59
