北京時間5月19日消息,據(jù)《華爾街日報》網(wǎng)絡版報道,Uber正在測試從司機打車應用收入中抽取30%分成,這是該公司目前為止對司機收取的最高傭金。
Uber發(fā)言人確認,這一收入分成的提高目前只針對舊金山、圣地亞哥兩個城市,已在4月份悄然生效,目前為止只適用于已簽約平價打車服務UberX的司機。
該發(fā)言人稱,新的收入分成政策屬于分層傭金結構的一部分。如果司機在一周內完成了一定數(shù)量的打車訂單,Uber也會通過降低傭金的方式獎勵司機。UberX使用的是駕駛普通汽車的業(yè)余司機,此前在舊金山和圣地亞哥收取的收入分成為20%至25%。
Uber在開始運營時對所有打車服務收取20%的傭金,而目前已在不同的城市,根據(jù)司機和乘客的供需情況調高或下調了傭金。在一些新城市,為了快速增加司機儲備,Uber將傭金調低至20%以下。而在一些市場更為穩(wěn)固的城市,Uber將傭金提高到了25%。Uber向司機解釋稱,雖然傭金提高了,但他們依舊可以獲得同等收入,因為這些城市可接送的乘客變多了。
報道稱,傭金的提升可能會幫助Uber說服潛在投資者——這家成立6年的打車公司價值在500億美元或更高,但是收入分成的提高很可能會讓數(shù)萬名Uber司機感到挫敗感。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。