高德日前宣布,联合北京、广州等8个城市的政府交通管理部门以及北京交通台,推出“高德交通信息公共服务平台”,提供“城市堵点排行”、“热点商圈路况”、“堵点异常检测”等交通信息分析。
根据高德地图报告显示,中国超过50个城市遇到拥堵问题,而且非常严重,交通拥堵已经成了一个社会透明问题。高德公司副总裁董振宁介绍,通过该服务平台,政府交通部门可以调用实时交通数据,对交通秩序维护、交通事故处理等工作进行更灵活的动态调度;还可以通过高德地图客户端来实现信息的推送告知,预计可为每个城市交通部门每年节省近十亿元的推广费用。
董振宁透露,高德交通信息公共服务平台还将推出更多智能交通服务,比如节假日出行预测、分析出行需求与限行政策的影响,并量化不同政策治堵效果,为交通管理部门提供决策辅助。
实际上,高德交通信息公共服务平台也是“互联网+”下的产物。“高德是互联网和地图的融合,但高德的业务绝不是在手机上去看一个电子化的地图。”高德软件有限公司总裁俞永福指出,“今年的高德里边用户口碑非常的重要就是交通信息的分析能力和躲避交通拥堵的功能,每天计算的交通信息量都是以亿级为单位。”
高德软件有限公司总裁俞永福
目前,高德交通信息公共服务平台已向北京、广州、深圳、天津、沈阳、大连、无锡、青岛等8个城市的交通管理部门以及各地广播交通台开放,并将扩大范围。
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。