CNET科技資訊網(wǎng) 10月19日 北京消息:滴滴出行宣布與旅游平臺TripAdvisor貓途鷹簽署戰(zhàn)略合作,將智能出行進一步滲透進入旅游行業(yè)。通過線上平臺開放合作、建立線下滴滴車站、拓展“酒店+車”、“景區(qū)+車”定制產(chǎn)品等合作形式,打造涵蓋旅游資訊、行程安排、途中用車的完整旅游生態(tài)鏈。
“連接酒店、景點和交通樞紐之間的出行環(huán)節(jié)是旅游生態(tài)鏈中重要的部分。” 滴滴出行副總裁、戰(zhàn)略合作部總經(jīng)理楊峻表示,“滴滴出行通過與TripAdvisor貓途鷹進行深入的跨行業(yè)合作,將智能出行接入匹配度高、需求旺盛的旅游場景,使用戶在陌生的城市也能享受便捷出行體驗。”
TripAdvisor貓途鷹戰(zhàn)略合作和客戶管理副總裁朱明先生表示:“我們非常高興本次能與滴滴出行達成戰(zhàn)略合作伙伴關(guān)系。TripAdvisor貓途鷹作為全球領(lǐng)先的旅行平臺,在全球目的地酒店、景點、餐廳的信息收錄和用戶點評上擁有無可比擬的優(yōu)勢,我們將聯(lián)手滴滴出行,為旅行者打造更便捷的旅行體驗。”
在旅游時,是否要去逛逛某一景點時,往往要看交通便利與否。這是因為景點往往存在“最后一公里”的出行難,乘公交車到站后,發(fā)現(xiàn)距離景區(qū)門口還有很遠(yuǎn)的路程,或是因為游客密集而一車難求。此次滴滴與TripAdvisor貓途鷹的戰(zhàn)略合作,正是為了解決旅行者在出行中面臨的痛點,力圖將用戶旅途中的每一段路程進行順暢連接。雙方將在景區(qū)、酒店等高頻出行需求的場景中,聯(lián)合建立滴滴車站,出門就有車接送,讓用戶不再因為交通難而錯過美景。
據(jù)悉滴滴與TripAdvisor貓途鷹將覆蓋上百家五星級酒店建立滴滴車站,主要集中在出行需求集中的目的地城市,并優(yōu)先精選在TripAdvisor貓途鷹網(wǎng)站上獲得“卓越獎”等獎項的高人氣、高評價國際知名五星級酒店落成。用戶通過操作滴滴車站的電子顯示屏可實現(xiàn)快速叫車,有效減少乘客的溝通和等待成本。同時通過滴滴車站,還能夠更便捷地查詢該酒店或景點在TripAdvisor貓途鷹平臺上的點評和評分,掌握真實有價值的信息,用戶還可以留下自己的評價。
除了線下布局滴滴車站,連接景點往返酒店的出行,滴滴和TripAdvisor貓途鷹還將共同拓展 “酒店+車”、“景區(qū)+車”的具體用車產(chǎn)品,發(fā)揮開放創(chuàng)新的平臺特質(zhì),讓旅游出行變得更加貼近用戶個體的定制化需求。
通過開放平臺,雙方將探索打通平臺功能,比如由TripAdvisor貓途鷹為滴滴用戶提供目的地資訊服務(wù),或在TripAdvisor貓途鷹的APP上實現(xiàn)一鍵叫車。此外,雙方還將在會員權(quán)益及積分上探索權(quán)益打通,讓雙方會員互享更深層的服務(wù)。
作為覆蓋全國400余座城市的一站式出行平臺,滴滴致力讓用戶在生活各個場景都能享受美好的出行體驗,目前服務(wù)涵蓋出租車、專車、快車、順風(fēng)車、代駕、公交、試駕、企業(yè)級和租車等多個垂直領(lǐng)域,并在運用前沿深度學(xué)習(xí)技術(shù)、構(gòu)建數(shù)據(jù)驅(qū)動的智能預(yù)測與調(diào)配體系,持續(xù)提高城市交通效率方面,取得領(lǐng)先地位。TripAdvisor貓途鷹是全球知名的旅行平臺,擁有來自全球3.85億條旅游點評及建議,覆蓋超過190個國家的酒店、景點和餐廳。雙方的合作將把交通出行、酒店住宿、景點攻略等一系列需求供應(yīng)結(jié)合起來,對雙方企業(yè)而言,這正是一種自身服務(wù)的延伸,從而構(gòu)建完整的旅游生態(tài)鏈。
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。