近日,TalkingData移動(dòng)數(shù)據(jù)研究中心發(fā)布《2015年O2O移動(dòng)應(yīng)用行業(yè)白皮書》,報(bào)告顯示5月份國內(nèi)安卓系統(tǒng)出行O2O移動(dòng)應(yīng)用市場(chǎng)覆蓋率,滴滴快的旗下滴滴打車、快的打車?yán)卫握紦?jù)前兩位。
報(bào)告顯示,滴滴打車安卓應(yīng)用覆蓋率達(dá)10.26%,排名上榜所有移動(dòng)應(yīng)用榜首。滴滴快的旗下的另外兩款產(chǎn)品快的打車和一號(hào)專車,安卓應(yīng)用覆蓋率分別為2.59%和1.00%,分列第二和第四名。
滴滴打車、快的打車于今年2月14日正式宣布合并,中國移動(dòng)出行領(lǐng)域排名前兩位的兩家公司合并,使得合并后的新公司進(jìn)一步鞏固其出行領(lǐng)域霸主地位。此次報(bào)告中,滴滴快的旗下產(chǎn)品不僅占據(jù)5月安卓市場(chǎng)出行應(yīng)用覆蓋率前幾名,在報(bào)告披露的O2O移動(dòng)應(yīng)用總排行中,滴滴打車排名第三,僅次于支付寶錢包和美團(tuán)團(tuán)購。
報(bào)告指出,出行O2O包含打車、租車、專車、拼車等不同服務(wù)模式,滴滴與快的用戶覆蓋最高;租車類應(yīng)用用戶覆蓋也較高;在5月份,拼車類應(yīng)用處于起步階段,尚未出現(xiàn)優(yōu)勢(shì)明顯的高頻應(yīng)用;專車類應(yīng)用在2015年異軍突起,滴滴專車、一號(hào)專車與國外來的Uber等競(jìng)爭(zhēng)激烈。
值得一提的是,滴滴快的合并后,在移動(dòng)出行領(lǐng)域的戰(zhàn)略布局逐漸清晰。目前,滴滴快的在用戶量和訂單量上,已經(jīng)成為全球最大的移動(dòng)出行平臺(tái),原有的出租車、專車、快車業(yè)務(wù),再加上順風(fēng)車和即將推出的代駕服務(wù),一個(gè)綜合性的出行平臺(tái)雛形漸現(xiàn)。滴滴快的CEO程維曾公開表示,滴滴未來將覆蓋公共交通,同城物流等一切與出行相關(guān)的方面。
此外,報(bào)告還指出,移動(dòng)O2O行業(yè)用戶規(guī)模達(dá)到7.5億,占移動(dòng)互聯(lián)網(wǎng)整體用戶規(guī)模的65.2%;超過六成的用戶使用過移動(dòng)O2O的服務(wù),隨著移動(dòng)O2O行業(yè)的加速擴(kuò)張,這一比例在未來將不斷擴(kuò)大。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。