CNET科技資訊網(wǎng) 5月23日 北京消息:近日,滴滴快車拼車升級為“站點拼車”。目前,北京地區(qū)的快車拼車已升級為站點拼車。用戶下載、更新至最新版本的滴滴出行APP即可在快車界面內(nèi)使用、體驗。未來,滴滴將基于市場反饋,逐步在其他城市推廣“站點拼車”。
站點拼車引入智能站點推薦。乘客選擇站點拼車后,系統(tǒng)會基于步行距離、時間、路況等維度計算出附近3-5個適合上車的站點,并推薦一個最佳站點。乘客發(fā)單,司乘匹配后,雙方均需在限定時長內(nèi)到達碰頭站點。各訂單限定時長基于站點位置、實時路況等因素而不同。
站點拼車同時進一步優(yōu)化了行程路徑規(guī)劃,確保行程途中車輛無需掉頭接拼友,幫助司乘減少了因途中接人而產(chǎn)生的拼車繞路里程,提升出行效率,增加司機時薪。試運行期間數(shù)據(jù)顯示,與之前的拼車相比,站點拼車可平均減少30%的繞路里程。
作為城市分享綠色出行的典型代表,拼車是目前解決城市擁堵的有效途徑。2015年至今,滴滴不斷優(yōu)化拼車產(chǎn)品,通過科技創(chuàng)新持續(xù)助力城市分享出行建設與發(fā)展。今年春季,滴滴還提出并在北京嘗試了“拼車優(yōu)先派單”的策略,緩解了清明小長假期間的出行需求壓力。
站點拼車將幫助城市提升更多特殊場景的出行效率。在演唱會、足球賽等人流短期聚集的場景下,站點拼車在提高乘客打車成功率的同時,能幫助主辦方快速疏散人群,緩解場館附近的交通擁堵狀況。此外,基于人工智能算法挖掘的智能站點,可為大型綜合體規(guī)劃上下客停車點提供建議,提高綜合體附近車輛流動的效率。
分析人士評價,站點拼車的創(chuàng)新在提升拼車體驗的基礎上,也將為拼車的普及打開新局面,尤其是居住在衛(wèi)星城大型社區(qū)的年輕一代將更多地思考是否需要購車。全球領先咨詢機構凱捷(Capgemini)最新研究報告顯示:網(wǎng)約車及拼車服務正對現(xiàn)有購車和養(yǎng)車模式產(chǎn)生顛覆性影響:34%消費者認為移動出行服務可替代養(yǎng)車,56%的消費者則認為移動服務對購車可起到補充作用。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。