CNET科技資訊網(wǎng) 4月27日 國(guó)際報(bào)道:按需經(jīng)濟(jì)和分享經(jīng)濟(jì)行業(yè)正在面臨一些發(fā)展障礙。
最新的障礙來(lái)自Airbnb與舊金山之間的角力。Airbnb日前表示,根據(jù)舊金山的短期租賃法,要求房東注冊(cè)、購(gòu)買責(zé)任保險(xiǎn)以及賦稅,該公司將針對(duì)舊金山地區(qū)清查短租房房源,非注冊(cè)房東或者同時(shí)出租多套房屋的“職業(yè)房東”可能將受到罰款、從網(wǎng)站平臺(tái)上被清除等懲戒,Airbnb將在這些帖子下方標(biāo)記 “不受歡迎的商家”。
“我們需要一套公平而有效的系統(tǒng)來(lái)監(jiān)管短租房。”舊金山參事委員會(huì)主席康納·約翰斯頓(Conor Johnston)說(shuō),“這涉及到一個(gè)規(guī)模龐大的新行業(yè)。”
這個(gè)行業(yè)指的就是按需經(jīng)濟(jì)與分享經(jīng)濟(jì)行業(yè)——它們的基本理念是,借助互聯(lián)網(wǎng)創(chuàng)造各種各樣的P2P市場(chǎng)。
普華永道估計(jì),全球所有分享經(jīng)濟(jì)公司目前的營(yíng)收約為150億美元,到2015年有望達(dá)到3350億美元。但這些測(cè)算的前提是,所有公司都能保持現(xiàn)有的商業(yè)模式——所有雇員的身份均為獨(dú)立承包商,而非員工,從而降低保險(xiǎn)費(fèi)成本和各種管理費(fèi)用。Airbnb只是只是其中一員,Airbnb目前的估值為240億美元,Uber則高達(dá)412億美元。
盡管在這些企業(yè)號(hào)稱可以帶來(lái)便利的創(chuàng)收途徑,但也存在著保險(xiǎn)、安全和稅收方面的問(wèn)題,監(jiān)管力度的加大也會(huì)增加成本、傷及利潤(rùn)。
比如,Uber才平息了兩個(gè)法律訴訟案,房屋清潔公司Homejoy已經(jīng)倒閉,再拿Airbnb來(lái)說(shuō),盡管其業(yè)務(wù)覆蓋200個(gè)國(guó)家,去年10月,舊金山用了2年時(shí)間,才同意成為全世界首批承認(rèn)短租房合法地位的城市之一,但舊金山在Airbnb上7000多房東中,依然有75%沒(méi)有進(jìn)行注冊(cè)。
那么,問(wèn)題來(lái)了,如何避免網(wǎng)上訂房噩夢(mèng)的經(jīng)驗(yàn)?以Airbnb舉例,我們應(yīng)該再這4個(gè)方面留心。
1、沒(méi)圖片
照片是人們了解房子信息的重要依據(jù),圖片越多,訂房人越容易下單。但是,訂房間需要留意Airbnb的圖片認(rèn)證水印。通常,水印意味著Airbnb派出專業(yè)攝影師去拍照了。
2、星級(jí)好評(píng)
不是所有地方都有評(píng)論,不過(guò)如果有,就仔細(xì)閱讀。一二線城市房源多,因此,要首先排除那些有差評(píng)的房子。
如果你是初來(lái)乍到,應(yīng)該選擇那些有好評(píng)的老房東。
3、注意溝通交流
假如你要訂房,務(wù)必和房東交流。不要指望所有問(wèn)題或關(guān)切會(huì)得到立馬的回復(fù),不過(guò),假如主人幾個(gè)小時(shí)后才回復(fù)你,基本能夠確定入住后也會(huì)得到同樣的待遇。問(wèn)主人問(wèn)題能夠了解他們的個(gè)性。雖不太能指望他們對(duì)你彬彬有禮,但如果他們不愿意回答周圍環(huán)境、房源信息本身等,那么也許就不太可能是耐心房東。
4、注意中介
由于房屋共享經(jīng)濟(jì)可以很節(jié)約錢,中介機(jī)構(gòu)開(kāi)始染指進(jìn)來(lái)。中介的一個(gè)明顯標(biāo)志是,他們花大量時(shí)間發(fā)布類似的房源帖子。真正的房東在一個(gè)城市可能有好幾個(gè)帖子,最好和那些只發(fā)布了一條帖子、聲譽(yù)不錯(cuò)的房東聯(lián)系。
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。