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
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。