
4月7日消息,滴滴快的正式宣布,原快的打车副总裁付强将出任新集团代驾事业部总经理,全面负责即将上线的代驾业务,向快的打车联合创始人赵冬汇报。这也是滴滴快的合并之后第一次对外正式公布的重要人事任命,也标志着继拼车业务后,代驾将成为滴滴快的又一个重点发力的出行领域。
付强毕业于四川大学,2014年加入快的打车,历任区域运营总监、副总裁。加入快的打车前,付强曾服务于强生、葛兰素史克、菲利普莫里斯(万宝路)等知名国际品牌,拥有丰富的销售、商业拓展和高级管理经验。
赵冬表示,付强在加入快的打车的一年时间里,利用其丰富的管理经验带领团队深入开拓北京、天津市场,两地出租车业务和专车业务均取得了飞速的发展,表现出了卓越的领导能力。祝愿付强能够带领团队在新的代驾领域取得更好的成绩。
滴滴快的官方并未透露关于代驾业务的更多信息。
有分析指出,滴滴快的进入代驾领域是其平台化战略的又一举措,代驾具有广阔的市场空间。以韩国为例, 5000万人口的韩国目前注册的代驾司机超过30万人,每年所创造的产值超过1500亿元人民币。相比而言,中国汽车拥有量已超1.3亿,但代驾司机仅在10万左右,市场还远未饱和。艾瑞咨询的研究数据显示,未来5年国内代驾市场产值高达500亿。
尽管有巨大的市场潜力,但国内代驾业务发展还处于起步阶段,主要以酒后代驾为主。目前国内的传统代驾市场主要为传统线下零散的中小型代驾公司或私人代驾,价格、服务、安全缺乏统一标准,资源使用效率低。而滴滴快的的进入有望改变这一现状。
自从2014年8月以来,滴滴快的的平台化战略已然提速,已上线了专车、企业版、一号快车业务,而拼车和代驾业务即将上线。这将使得滴滴快的的出行平台业务将更加丰富多元。
有业内专家指出,滴滴快的能够在短时间内快速上线诸多新业务,拥有强大的大数据的技术能力是最重要的依托。滴滴快的的数据分析和解读将可以利用互联网技术将闲散的代驾司机和社会需求有机的整合起来,从而快速激活国内的代驾市场。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。