为适应全球市场扩张需要,美国移动出行服务商Uber在调整服务策略。日前,Uber在印度宣布,将首次支持现金支付车费,未来可能会拓展到其他国家。
据悉,人口大国印度是Uber十分看重的市场,尽管Uber目前已经是全球移动出行服务的老大,但在印度却明显落后,这主要是相比Uber的本土竞争对手Ola而言的,它已经掌控了八成的市场份额。不过目前,Uber已进入了印度、中国在内的全球300多座城市。
分析师指出,Uber在印度之所以明显落后,是因为其产品和服务不能够适应印度消费者的特点,其中之一就是现金支付。据路透社报道,5月11日,印度宣布将会在南部城市海德拉巴德(也是科技业中心城市)进行消费者现金支付的第一次试验,未来可能会拓宽至全球市场。
Uber在海德拉巴德的总经理Siddharth-Shanker表示,消费习惯决定着现金支付在印度消费者当中仍然扮演重要角色,因此Uber必须调整适应。此前,Uber只接受信用卡、银行卡或是其他电子支付手段。而印度在信用卡和银行卡方面发展落后。有着13亿人口的印度,信用卡发行量只有2000万张。尽管印度政府一直致力于普及信用卡,但众多印度消费者仍习惯现金支付和消费。目前,Ola和其他移动打车工具均支持现金支付车费。美国电子商务巨头亚马逊,为了适应印度市场,亚马逊提供了货到付现金选项。
另外,发现除了普通出租车外,印度人还对一种随处可见的三轮摩托出租车表示欢迎,因此15年4月份,为进一步扩大用户规模,Uber也开始学习其竞争对手,在手机叫车服务中接纳这种三轮出租车。此外,针对之前在印度首都新德里发生司机强暴女乘客的事件,Uber很快推出了多种保障乘客安全的举措,如用户可在手机软件中一键报警,或向好友报告自己的位置。据悉,尽管在少数城市遭遇阻力,但Uber在印度仍在快速扩张市场,而印度政府交通部门对Uber仍有支持态度。
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。