在打出免费牌后,高德地图再出大招。今日,高德在京正式宣布“你敢用,我敢赔”政策,做出“如果使用高德地图导航出现错误,高德将对用户进行赔偿”的承诺。
阿里巴巴集团UC移动事业群总裁俞永福,同时作为高德地图员工之一,发布“新高德”战略。俞永福表示,“新高德”将专注用户需求,专注做最好的地图导航产品,专注地图导航产品的技术研发,未来三年内无商业化目标。
图为阿里巴巴集团UC移动事业群总裁俞永福、林志玲
都说“台上一分钟 台下十年累积”,高德地图自2002年成立以来,12年专攻于地图导航方向:
其一,高德地图上沟壑纵横的地图脉络,都来自于专业的人员采集。除了车采、步采、航拍等多种地图数据采集方式和工具以获得地理数据之外,高德还独创众包数据采集模式,发动用户,通过社会化采集的方式来获得大量长尾的地图数据。目前,高德地图众包数据采集已经覆盖了60亿公里的道路,收到70万以上的交通事件分享,总计10万公里、15万处的道路更新,以及100个城市,178万公里的高速覆盖。
其二,高德的数据制作工艺也同样精准。比如高德的ADAS数据采集能力已经达到无人驾驶级别精度;在高精尖三维航拍工艺上,和传统单角度垂直拍摄不同,高德能够实现多角度拍摄,即刻形成三维立体地图画面。
另外,在实时交通和导航引擎领域同样表现非凡。根据实时路况,高德地图能够为用户自动规划最佳路线,同时推荐躲避拥堵方案,节省用户出行时间成本。会上高德发布《2014年“十一”出行路况预测及避堵指南》,根据海量历史出行数据分析预测了“十一”期间全国六个热门旅游城市的交通状况,以节省用户出行时间。
目前,高德已开发出具有完全自主知识产权的导航地图制作工艺、标准及采集、编辑、编译和质量保障系统,拥有庞大且专业的测绘团队,仅自数据生产、研发的人员近1300人。
经过12年的积累,今日高德已经成为能够覆盖应用、云端服务、软件、数据等产业全链条的互联网地图厂商。俞永福指出,在地图数据生产能力上,高德与四维图新是市场上绝对的双寡头,占据90%以上的份额;在面对用户的手机地图市场上,高德地图和百度并驾齐驱,遥遥领先于其他竞争对手。
“新高德”更专注 不做“团购导航”
“过去十几年的互联网发展,让我们看到一个非常清晰的规律:无论大公司、小公司,每个细分领域的赢家都是专注于该行业时间最长的公司。在手机地图市场,最终的赢家也一定靠专业制胜。出现这种情况的原因是,互联网产品是免费的,用户选择产品的要素简单清晰——最好的产品。”俞永福表示。
阿里巴巴集团UC移动事业群总裁俞永福
基于此,“新高德”战略提出“三大专注”:专注用户需求,专注做最好的地图导航产品,专注地图导航产品的技术研发。为了更专注于地图产品的锤炼,高德提出三年无商业化目标。
在此之前,O2O等商业模式在互联网地图行业领域颇受追捧。基于免费的地图产品,一些互联网地图厂商以O2O的名义将盈利的商家广告推向用户,比如团购导航。“地图应该回归根本,做最好的地图导航产品。地图之上的功能延展应该基于用户需求,而不是商业化目的。”俞永福表示,高德地图绝不会为了商业利益破坏用户体验,坚决不成为“团购导航”。
面向用户:你敢用,我敢赔
会上,高德同时宣布了面向用户的全新政策,承诺高德地图“敢用敢赔”:如果使用高德地图导航出现道路、建筑物以及景区上的错误,高德将对用户进行赔偿。
在此次“敢用敢赔”活动期间内,用户使用高德地图导航,如果出现导航错误,高德将对用户进行赔偿。俞永福表示,从收费到免费,是高德从传统地图厂商到互联网地图厂商的转变,此次对用户承诺“敢用敢赔”,不仅显示了高德对产品的信心,同时也能更彻底地让用户参与到产品不断优化提升的过程中。
随着阿里巴巴上市,其枝节企业纷纷有新的动作。自去年5月份阿里巴巴入主高德地图,到今年7月高德全面整合进入阿里巴巴,从免费策略到“敢用敢赔”的用户承诺,高德的转变有目共睹。高德目前已开始从地图厂商向互联网地图厂商转型,而将来的高德地图又会念着怎么样的专业经呢?
好文章,需要你的鼓励
这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。
复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。
斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。
这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。