这家来自中国的电商平台与墨西哥金融科技公司Stori合作,在《Sourcing Journal》发布的声明中宣布推出Shein x Stori Mastercard信用卡。
根据Stori的介绍,持卡人在购买Shein产品时将获得双倍积分,并且首次购物时会额外赠送250 Shein积分。该卡可在全球超过2400万个接受Mastercard的商户使用,且同时提供实体卡和数字卡两种形式。公司表示,Shein和Stori将在墨西哥的全国购物节(如“Buen Fin”)期间为用户提供特别折扣。
Shein选择在墨西哥首度推出联名信用卡,显示出其对该市场的重视。消息称,Shein正考虑在墨西哥建立一个卫星生产基地,以便更接近西半球的消费者,特别是美国市场。
Shein全球支付负责人Ted Wang表示:“与Stori的合作是Shein迈出的重要一步,旨在为用户提供更多和更好的支付选项,改善购物体验,整合金融解决方案,帮助建立信用历史,这必将受到客户们的欢迎。”
墨西哥的电商正经历快速增长。根据墨西哥在线销售协会(AMVO)的数据,2023年该国在线购物大幅增长,推动销售增长24.6%。这一增速超越了巴西等邻近国家,以及菲律宾和印度等成熟市场。
美国国际贸易管理局(ITA)去年末表示:“在Covid-19大流行期间,墨西哥电子商务迅速发展。”如今,墨西哥在全球电子商务零售增长率中排名前五,预计到2027年,电子商务市场的总值将达到704亿美元,这得益于更好的连接性、金融包容性、物流改进和数字素养提升。
ITA还指出,拉美的电子商务平台Mercado Libre是墨西哥消费者偏好的零售商之一,此外,Amazon、Walmart和Shein也在其中。
墨西哥的信用卡市场同样在增长。根据GlobalData的报告,2024年该国信用卡交易的年交易总额将达到2141亿美元,并预计到2028年将以超过10%的年复合增长率(CAGR)增长。
尽管信用卡的使用在增加,AMVO数据显示,74%的在线购物者仍偏好使用借记卡,这显示出转换的潜力。墨西哥政府及中央银行也在推动信用卡和电子支付的发展。
这些趋势让墨西哥金融科技公司Stori获得了成功,它也是Shein在信用卡领域的新合作伙伴。此次合作发生在Stori完成了2023年8月的一轮融资后,融资总额达2.12亿美元。Stori表示将利用这笔资金加速增长,并继续推动其“为拉丁美洲常被忽视的中产阶级群体提供优质金融服务”的使命。
Stori联合创始人Marlene Garayzar表示:“这款新产品不仅得益于Mastercard的支持,提供了全球范围内的使用灵活性和安全性,而且还特别设计了旨在提升购物体验的优惠。”
她补充道:“我们非常自豪成为Shein全球范围内第一个与之建立此类合作关系的伙伴。我们创造了一种帮助用户轻松获取信用、奖励日常使用的工具,并始终确保用户能够了解如何负责任地使用信用卡。”
Garayzar表示,Stori的成立旨在填补墨西哥传统金融体系中的空白,作为一个金融教育平台,同时帮助墨西哥消费者建立信用。自2020年发布首张信用卡以来,Stori自豪地宣布自己是墨西哥唯一一家拥有99%审批通过率的信用卡公司,目前在墨西哥有约300万用户。
此次信用卡的推出与Shein的全球扩展和市场渗透计划形成对比,因为Shein正面临着来自国际关于其社会和环境影响的争议。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。