5月18日消息,滴滴出行宣布Di-Tech算法大赛于今日中午12:00正式开赛,本次大赛冠军将获得高达10万美元奖金,而赛题挑战成功者还将直接获得滴滴出行的面试机会。滴滴出行此番巨额奖金面向全球寻找数据狂人,对技术人才通过自主学习掌握行业前沿技术将是极大鼓励。
本次大赛的评委阵容豪华,包括人工智能科学家、滴滴研究院院长何晓飞;机器学习领域国际领军人物、滴滴研究院副院长叶杰平;优达学城创始人、GoogleX创始人Sebastian等。大赛也得到了Google研究院院长Peter Norvig以及数据科学家Katie Malone的支持和指导。
据悉,整个赛程分为初赛、实名认证、决赛、答辩四个环节,为期一个月的初赛于北京时间5月18日中午12:00正式拉开序幕,选手登陆算法大赛官网(research.xiaojukeji.com)即可在线参加比赛。初赛成绩排名前50名(含并列)的队伍将进入决赛;决赛成绩排名前10名的队伍进入线下答辩环节,最终角出冠亚季军以及最佳答辩、最有潜力等奖项,奖金最高将达10万美金。
值得注意的是,滴滴将开放国内真实的出行数据,用最炙手可热的研究课题,向算法天才征集更聪明的解决方案,并且该解决方案还将有机会应用于“滴滴出行”产品端,直接改变全球数亿用户的出行体验。
本次大赛赛题为“解决出行行业供需预测问题”,供需预测的目标是准确预测出给定地理区域在未来某个时间段的出行需求量及需求满足量。调研发现,同一地区不同时间段的订单密度是不一样的,例如大型居住区在早高峰时段的出行需求旺盛,而商务区则在晚高峰时段的出行需求旺盛。如果能预测到在未来的一段时间内某些地区的出行需求量比较大,就可以提前对营运车辆提供一些引导,指向性地提高部分地区的运力,从而提升乘客的整体出行体验。
之所以给出这样的题目,滴滴相关负责人表示,截至目前,滴滴出行平台日均需处理1100万订单,需要分析的数据量达到50TB,路径规划超过90亿次。面对如此庞杂的数据,需要通过不断升级、完善与创新的云计算与大数据技术,从而保证数据分析及相关应用的稳定,实现高频出行下的运力均衡。供需预测就是其中的一个关键问题。
据介绍,Di-Tech算法大赛由滴滴研究院主办,合作方是硅谷的IT在线教育“独角兽”优达学城(Udacity),后者为参赛者提供学习资源和技术指导。此前4月18日,滴滴出行宣布同优达学城达成战略合作引发业界众多联想。总部在硅谷的优达学城有着得天独厚的优势,它和Google、Facebook、亚马逊等全球顶尖的科技企业合作推出的认证项目“纳米学位”,将学员培养为顶级的网站开发者、数据分析师和移动开发者。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。