
2月28日消息,美国专车公司Uber周五宣布,该公司的数据库曾在去年遭遇第三方入侵,可能导致该公司的5万名司机信息被盗。Uber表示,被盗的只有司机的姓名和驾驶证编号。
Uber在声明中称,这些司机都是其移动专车网络中的成员,该公司已经向其发送了相关通知。另外,Uber也将采取法律手段搜集与此次泄密相关的信息。
Uber表示,去年5月公司的一处数据库出现泄露,随后,Uber立即限制了对该数据库的访问。目前还没有接到关于泄露的信息被滥用的报告。
Uber将向受影响的司机免费提供为期一年的Experian身份保护会员服务。Uber表示,该公司的网络中有着数十万名司机,而这一事故只对其中的很少一部分造成了影响。
据悉,Uber已遭到很多地区监管者的质疑,这些监管者都希望进一步了解Uber的司机是否拥有合法的执照和必备的保险。迫于压力,Uber本周同意为美国马里兰州的公共设施委员会提供司机姓名。
Uber创立于2009年,目前已经将业务范围扩张到54个国家或地区的277座城市。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。