CNET科技資訊網(wǎng) 9月26日 北京消息:滴滴跨城順風(fēng)車迎來一周歲的生日。去年9月25日,滴滴跨城順風(fēng)車開始在部分城市進行測試,這種城市間長距離合乘的出行方式,在沒有任何宣傳的情況下,很快有許多車主和乘客開始使用該功能,而陳大寶(順風(fēng)車ID Boss陳)正是第一個開啟跨城順風(fēng)車之旅的車主。
2015年9月25日,一個普通的周五下午,“光大銀行的程序員” 陳大寶完成了這周的工作,準(zhǔn)備駕著他的寶馬從北京返回河北三河市,和家人團圓過中秋。
出發(fā)前,他打開滴滴出行APP的順風(fēng)車頁面,查看有沒有順路的訂單,這是陳大寶近兩個月養(yǎng)成的習(xí)慣,自從注冊了順風(fēng)車車主,每次駕車出發(fā)前,他總會想順路接個單,路上有個伴還能補貼油費。
滴滴順風(fēng)車頁面似乎有了更新,多了“跨城順風(fēng)車”的按鈕,陳大寶心里有些激動,經(jīng)常往返北京和河北的他,早就希望順風(fēng)車開通跨城的功能,之前閑著無聊的時候,他還會輸入三河市老家的地址看一下有沒有順路訂單,但總是失落的發(fā)現(xiàn)沒有訂單。
點開滴滴“跨城順風(fēng)車”的按鈕,陳大寶又一次輸入老家的地址,這次他沒有失望,四五個從北京到河北燕郊的訂單出現(xiàn)在列表里,北京到三河市恰好將路過燕郊,他迅速選了最順路的訂單,確認同行!
(滴滴順風(fēng)車跨城第一車主:陳大寶)
半個小時后,陳大寶接上了他的乘客,駕車前往河北燕郊。這時的陳大寶沒有意識到,他成為了“順風(fēng)車跨城第一人”。
滴滴順風(fēng)車事業(yè)部總經(jīng)理黃潔莉說,其實跨城順風(fēng)車剛開始做的時候,出發(fā)點非常簡單,是需求導(dǎo)向,是因為很多用戶搜燕郊到國貿(mào)、佛山到深圳,我們發(fā)現(xiàn)有很多車主也是走同樣的路線。用戶的痛點非常強,在中國很多二三線城市末端的交通運輸,30至300公里之間,基本上是非常不順暢的,但是交通需求很旺盛。滴滴跨城順風(fēng)車希望實現(xiàn)“共享每輛私家車,連接每一個同路人”。
這次陳大寶跨城之旅的乘客,順風(fēng)車昵稱叫“小妖”,是一位年輕漂亮的女孩,這次去燕郊,她也是要回家團聚過中秋。平時上下班,小妖也會約個順風(fēng)車,發(fā)現(xiàn)順風(fēng)車開通了跨城功能,她也很開心。
但路程剛開始,北京六環(huán)就發(fā)生了車禍,他們一動不動的在環(huán)路上堵了半個小時,還好倆人都是好脾氣,而且相談甚歡,讓堵車也變得多了些趣味。
路上行駛了三個小時,陳大寶將小妖送到了燕郊的家門口,他略帶歉意的說:路上有點堵,要不兩個小時就到了。小妖替他寬心:沒有你的順風(fēng)車的話,我路上等車轉(zhuǎn)車,花的時間肯定更多,而且折騰。
行程結(jié)束后,陳大寶給小妖的順風(fēng)車標(biāo)簽是“脾氣好”,而小妖則評價他“有禮貌,很斯文”。
即將到來的十一長假,已經(jīng)習(xí)慣了跨城順風(fēng)車的陳大寶,還會接上跨城訂單,和他的順路乘客一起回家。
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。