5月27日消息,優(yōu)步(Uber)創(chuàng)始人、CEO特拉維斯·卡蘭尼克(Travis Kalanick)昨日現(xiàn)身貴陽大數(shù)據(jù)產(chǎn)業(yè)博覽會。他在接受采訪時表示,將對司機補貼到市場競爭塵埃落定的時候。
卡蘭尼克此行目的與Uber此前在國內(nèi)屢屢碰壁不無關(guān)聯(lián)。優(yōu)步中國方面表示,目前有些細節(jié)尚未敲定,但其中有安排部分不會向外界公開的內(nèi)部會議。至于這些“內(nèi)部會議”是否涉及到優(yōu)步在國內(nèi)部分城市遭遇的禁令困境,暫時不便向外界透露。
“我們在北京的業(yè)績成長比全球任何城市都要快,原因是優(yōu)步的概念與本地手機打車軟件完全不同。大家可以想象一下,如果你去各個城市可以吃的只有麥當(dāng)勞,突然有人進入這個市場說我可以提供餐廳這類更好的選擇。所以說,優(yōu)步進入這個市場,其實給大家提供的是更多的選擇,這也是為什么我們能夠在北京增長這么快的原因。”卡蘭尼克說。
當(dāng)被問及Uber進入中國和其他國家城市的區(qū)別時,卡蘭尼克稱,Uber在紐約和在北京非常不同,第一紐約車費很貴,其次在紐約的管理司機組織結(jié)構(gòu)方面也與北京不同。
另外,卡蘭尼克在接受媒體采訪時表示,對司機的補貼將延續(xù)到中國市場競爭塵埃落定的時候。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)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(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(zhì)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。