針對(duì)滴滴快的進(jìn)軍互聯(lián)網(wǎng)代駕市場(chǎng),互聯(lián)網(wǎng)代駕領(lǐng)域里的頭號(hào)企業(yè)e代駕對(duì)此做出回應(yīng)。e代駕表示:“代駕市場(chǎng)經(jīng)過(guò)e代駕多年的教育和積累,已經(jīng)擁有了一定規(guī)模。e代駕也非常歡迎滴滴快的這樣有影響力的企業(yè)進(jìn)入,追隨e代駕的腳步,讓更多的用戶(hù)能夠享受代駕服務(wù)。”
據(jù)悉,兩家公司在計(jì)費(fèi)方式上以及服務(wù)模式上比較相似,定價(jià)方面差距也不大。隨后兩家公司在市場(chǎng)中會(huì)有怎樣的表現(xiàn),值得消費(fèi)者么期待。
在新興的互聯(lián)網(wǎng)代駕領(lǐng)域,e代駕是創(chuàng)立者也是這一行業(yè)整體新規(guī)則的參與創(chuàng)建者,4年來(lái)覆蓋超過(guò)全國(guó)200個(gè)城市,并設(shè)有海外韓國(guó)分公司,擁有合作司機(jī)15萬(wàn),日訂單超過(guò)20萬(wàn)。
代駕市場(chǎng)經(jīng)過(guò)e代駕多年的教育和積累,已經(jīng)擁有了一定規(guī)模,同時(shí)發(fā)展?jié)摿艽?,e代駕也非常歡迎滴滴快的這樣有影響力的企業(yè)進(jìn)入,追隨e代駕的腳步,讓更多的用戶(hù)能夠認(rèn)識(shí)代駕行業(yè),享受代駕服務(wù)與便利出行。
從成立之初,為了保證代駕服務(wù)質(zhì)量,e代駕要求司機(jī)至少5年駕齡,進(jìn)行全面培訓(xùn),嚴(yán)苛的考試,嚴(yán)格的監(jiān)管,創(chuàng)立了代駕行業(yè)司機(jī)代駕分體系,并為許多后來(lái)者效仿。
e代駕建立一管到底保障體系,國(guó)內(nèi)首家建立了代駕責(zé)任保險(xiǎn)與司機(jī)人身意外險(xiǎn),代駕險(xiǎn)最高賠付1000萬(wàn),司機(jī)意外險(xiǎn)賠付最高30萬(wàn),對(duì)事故處理一管到底,讓車(chē)主與司機(jī)都沒(méi)有后顧之憂(yōu)。
目前,e代駕正在全國(guó)開(kāi)展極速服務(wù)體驗(yàn)月活動(dòng),其中很重要的一項(xiàng)內(nèi)容“就是快”活動(dòng)規(guī)定,活動(dòng)期間內(nèi)每晚20點(diǎn)至22點(diǎn),代駕司機(jī)8分08秒不到,客戶(hù)就可以享受免起步價(jià)。e代駕目前全國(guó)平均到達(dá)速度在6分鐘,遠(yuǎn)遠(yuǎn)領(lǐng)先行業(yè)其他競(jìng)爭(zhēng)對(duì)手。一直以來(lái),e代駕通過(guò)合理的司機(jī)調(diào)度系統(tǒng)和大數(shù)據(jù)分析,對(duì)代駕司機(jī)進(jìn)行有效的引導(dǎo)和調(diào)度,并通過(guò)人性化與智能化的派單系統(tǒng)為用戶(hù)實(shí)時(shí)推薦代駕司機(jī),讓司機(jī)迅速到達(dá)成為現(xiàn)實(shí)。
在e代駕的領(lǐng)導(dǎo)下,代駕行業(yè)目前已經(jīng)進(jìn)入到了拼服務(wù)滿(mǎn)足客戶(hù)更多需求的新階段,e代駕正在不斷提升整個(gè)行業(yè)的服務(wù)標(biāo)準(zhǔn),讓更多用戶(hù)享受到更加優(yōu)質(zhì)便捷的代駕服務(wù)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。