政府已向企业征求对英国电子发票 (e-invoicing) 体系实施方案的意见,这是其经济增长计划的一部分。
一项为期 12 周的电子发票咨询活动要求企业和其他利益相关方就多个主题提供反馈,包括不同的电子发票模式、是否采用强制或自愿方式,以及是否应配合实时数字报告系统。
这是政府变革计划的一部分,其五大使命之一是"激发经济增长"。英国税务海关总署 (HMRC) 和商业贸易部 (DBT) 都支持这项计划,这将有助于改善税收征管和提升企业效率。
根据政府公告,此次咨询"将收集关于电子发票标准化以及如何在英国企业和公共部门推广使用的意见"。同时也将研究不同的电子发票模式,并征求目前是否使用电子发票的企业的意见。
政府表示,电子发票技术的使用可以帮助企业"首次就能正确缴税、减少开票和数据错误、提高增值税申报准确性、帮助缩小税收差距,并节省时间和金钱"。
政府补充说,电子发票可以加快企业间支付速度,改善现金流并减少文书工作。
商业贸易部部长 Gareth Thomas 表示,小企业是经济的核心,对国家发展至关重要。"税收数字化、加快支付和简化行政任务的潜力将为经济带来真正的益处,支持小型企业并促进增长,"他说。"这就是为什么我们要确保电子发票能够为中小企业服务,因为现金流可能决定企业能否维持经营。"
政府列举了电子发票加快企业支付的成功案例。
一家未具名的 NHS 信托机构使用电子发票将发票处理准备时间从 10 天缩短到 24 小时,供应商查询减少了 15%。在澳大利亚,政府机构处理电子发票只需 5 天,而传统发票则需要 20 天。
政府还强调了英国会计软件公司 Sage 的研究结果,发现电子发票简化了数据录入和税务申报等日常任务,生产力提高了 3%。
本次名为《在英国企业和公共部门推广电子发票》的咨询将持续到 5 月 7 日。
财政部国库司副大臣 James Murray 表示:"电子发票简化了流程,减少了错误,帮助企业更快收到付款。通过减少文书工作,节省宝贵的时间和金钱,这将有助于提高企业的生产力及其发展和成功的能力。"
"作为首相变革计划的一部分,我们已经开始着手将英国的税收体系转变为一个注重帮助企业和经济增长的体系。"
政府表示,目前已有约 130 个国家实施或正在实施电子发票结构和标准,包括数据内容和格式要求。
好文章,需要你的鼓励
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。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。