滴滴总裁柳青
4月27日消息,滴滴总裁柳青对新浪科技表示,与快的合并后,旗下所有产品的品牌将全部保留,暂时没有IPO计划。柳青指出,合并后两个团队都有很大的进步,未来拼车、代驾业务也会在两个团队共同努力下于近期上线。
此前曾有内部人士指出,为了避免以往的合并困局,双方正在探讨合并后的业务切割问题,投资人希望,两公司业务各有侧重,而非互相重叠。
柳青今天也正面回应了这一观点,在出租车业务上、专车业务上,快的、滴滴都将延续原有的产品品牌继续服务于O2O出行市场,同时她还透露,代驾业务将主要有杭州骨干团队来负责,拼车业务也将在5、6月份上线。
目前的拼车业务主要提供的还是信息获取的服务,充当的是中介作用,并简化乘客与车主利益分配的流程。不过,这种模式在法律法规上仍未获得明文的支持,以至于有些参与进来的车主持有谨慎态度,也有司机拼车后成为非法运营,受到相关部门处罚的案例。
对此柳青认为,专车司机以赚钱为目的;拼车司机更多的是一种分享精神,用乘客的钱来补贴油费。两者的界限确实比较模糊,而且目前其他平台上的拼车业务,确实有专职司机在做。
柳青表示,今天政府在乎的是没有运营资质的都是黑车,但消费者在乎的却是车辆是否安全,滴滴快的提供的平台,更多的是帮助乘客监督司机,这样才能促进这一行业的改进和完善。“黑车的治本要靠专车,滴滴快的就是要帮助政府解决这一问题”,她称。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。