滴滴快的旗下企業(yè)出行服務(wù)平臺(tái)——滴滴企業(yè)版公布了近半年來的運(yùn)營數(shù)據(jù):根據(jù)最新的統(tǒng)計(jì)數(shù)據(jù),目前有5011家企業(yè)開通了滴滴企業(yè)版賬戶;超過60萬人次使用滴滴企業(yè)版提供的出行服務(wù)。滴滴快的副總裁杜錦程表示,隨著客戶的增長,客戶需求也變得多樣化,為此滴滴企業(yè)版將在提供標(biāo)準(zhǔn)化企業(yè)出行服務(wù)的基礎(chǔ)上,推出滴滴企業(yè)開放平臺(tái),即向客戶開放API接口,企業(yè)可基于該API接口開發(fā)自己的用車服務(wù),為企業(yè)內(nèi)外部用戶提供各類用車服務(wù)。
今年1月27日,滴滴企業(yè)版正式上線,企業(yè)只需要在滴滴開通一個(gè)企業(yè)賬號(hào)并充值,企業(yè)員工就可以用這個(gè)賬號(hào)在網(wǎng)站(http://es.xiaojukeji.com/)、“滴滴企業(yè)出行”微信公眾號(hào)、個(gè)人版的“滴滴打車”APP為自己因公出行或接送客戶實(shí)時(shí)(預(yù)約)叫車,行程結(jié)束后,乘車人無需付費(fèi),系統(tǒng)直接從企業(yè)賬號(hào)余額中劃款,個(gè)人也無需再提交費(fèi)用報(bào)銷。
此外,滴滴企業(yè)版還會(huì)自動(dòng)記錄行程信息,設(shè)立后臺(tái)對賬系統(tǒng),讓企業(yè)管理員方便的查詢乘車人的每一次用車時(shí)間、起始地點(diǎn)、歷史行駛路線和費(fèi)用。滴滴還可通過互聯(lián)網(wǎng)和GPS等技術(shù)手段,對車輛行駛軌跡進(jìn)行實(shí)時(shí)全程監(jiān)管,保證乘車人安全。
根據(jù)此次滴滴企業(yè)版首次公開的運(yùn)營數(shù)據(jù),互聯(lián)網(wǎng)行業(yè)的客戶最多,占客戶總量的28%,其次是服務(wù)業(yè)和制造業(yè)的客戶,各占21%及16%;相比出租車,企業(yè)客戶更喜歡選擇專車,專車訂單占據(jù)企業(yè)訂單的48%;包括員工日常出行、差旅、客戶接送都是企業(yè)客戶用車的目的,還有不少企業(yè)用戶甚至還將專車接送作為一種增值服務(wù)。
“例如美容會(huì)所,會(huì)為VIP顧客叫專車接送,從美容會(huì)所的企業(yè)賬號(hào)中劃款支付車費(fèi)。我們之前認(rèn)為,企業(yè)用車行為應(yīng)該都是內(nèi)部員工用車的范疇。但隨著客戶的增加,我們發(fā)現(xiàn)企業(yè)用車原來還有那么多的場景需求,客戶比你更會(huì)用你的產(chǎn)品。”杜錦程說,因此滴滴企業(yè)版決定推出企業(yè)開放平臺(tái)——簡單來說,即是滴滴企業(yè)版為企業(yè)客戶提供一個(gè)API接口,這個(gè)接口的背后即是滴滴的車輛資源和車輛調(diào)度服務(wù),企業(yè)可以把其變成一個(gè)活動(dòng)入口或二維碼,包裝成“看房專車”、“招聘專車”、“就診專車”、“美食專車”等,并且企業(yè)可以自己通過后臺(tái)設(shè)置費(fèi)用額度、用車時(shí)間段、出發(fā)地、目的地等信息,并查看用車行為分析。
業(yè)內(nèi)人士分析,推出滴滴企業(yè)開放平臺(tái),向客戶開放API接口,將吸引更多企業(yè)采用滴滴快的提供的出行服務(wù)。這意味著滴滴快的TO B業(yè)務(wù)由提供標(biāo)準(zhǔn)用車服務(wù)到個(gè)性化訂制轉(zhuǎn)變,而這也正是企業(yè)出行行業(yè)的未來趨勢。
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。