愛立信日前發(fā)布了愛立信消費者研究室的最新報告《小通勤的大期待》。
該項目調(diào)查了全球四大城市倫敦、紐約、圣保羅和上海的通勤族在使用公共交通和私家車輛時的體驗,并在這份報告中闡述該項目的研究結(jié)論。
報告顯示,受訪者普遍覺得通勤時間既無聊又低效。該研究深入調(diào)查了通勤族對通勤時移動網(wǎng)絡(luò)中ICT覆蓋效率的態(tài)度。
愛立信消費者研究室高級研究員Radhika Jade表示:“從全球來看,消費者每周花在通勤上的時間比用在社交等休閑娛樂活動上的時間多出20%。他們認為,連接應(yīng)當(dāng)是通勤的基本要求,但市政交通普遍不能滿足。動態(tài)信息缺乏和信息分散、售票系統(tǒng)老舊、擁堵管理低效等因素都會讓通勤族感到失望。”
在中國上海,人們平均每天花在通勤上的時間為1.5小時。在長時間的通勤過程中,用戶通常會使用一些互聯(lián)網(wǎng)業(yè)務(wù)來管理他們的行程或者消磨時間。而用戶對于公共交通的信息獲知非常有限,信息缺乏和信息延遲都給人們每天通勤的安排造成影響。
報告還闡述了通勤族對于ICT覆蓋率的期望值和滿意度,涉及所有類型的公共和私營交通運輸形式,如公交、地鐵、出租車和私家車。研究表明,在倫敦和紐約,分別有82%和79%的通勤族使用與出行有關(guān)的應(yīng)用程序來更有效地規(guī)劃通勤。
在上海,每天坐公共交通的用戶中,47%在通勤過程中使用信息類業(yè)務(wù),23%的用戶瀏覽互聯(lián)網(wǎng)或者搜索信息,17%的用戶觀看手機視頻,并且用戶表示業(yè)務(wù)的使用體驗較差。而有更多的用戶表明,如果地鐵里面的網(wǎng)絡(luò)連接有所改善,那他們將更愿意使用視頻等一些上網(wǎng)業(yè)務(wù)來提升他們的整個通勤體驗。
研究還發(fā)現(xiàn),那些隨時隨地都在使用智能手機的通勤者普遍認為自己是在引領(lǐng)技術(shù)潮流,而交通運輸行業(yè)卻無法適應(yīng)這種變化。
Jade表示:“通勤者需要最新的出行信息。他們要求“隨時在線”的連接,以及更加個性化的交通服務(wù),幫助他們更輕松地規(guī)劃線路和支付票款,并且讓換乘時間更加有效率。”
針對中國城市用戶,愛立信消費者研究室東北亞區(qū)負責(zé)人徐曉莉表示:“目前‘隨時在線’的連接對本地用戶有很大吸引力,而更加個性化的交通服務(wù)對于他們來說還比較超前。當(dāng)前用戶最希望的是公共交通部門能做好交通流量控制、緩解擁堵,并在乘坐公共交通時增加更多的個人空間,從而提升通勤的整體體驗。”
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(zhǔn)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。