北京时间5月19日消息,据《华尔街日报》网络版报道,Uber正在测试从司机打车应用收入中抽取30%分成,这是该公司目前为止对司机收取的最高佣金。
Uber发言人确认,这一收入分成的提高目前只针对旧金山、圣地亚哥两个城市,已在4月份悄然生效,目前为止只适用于已签约平价打车服务UberX的司机。
该发言人称,新的收入分成政策属于分层佣金结构的一部分。如果司机在一周内完成了一定数量的打车订单,Uber也会通过降低佣金的方式奖励司机。UberX使用的是驾驶普通汽车的业余司机,此前在旧金山和圣地亚哥收取的收入分成为20%至25%。
Uber在开始运营时对所有打车服务收取20%的佣金,而目前已在不同的城市,根据司机和乘客的供需情况调高或下调了佣金。在一些新城市,为了快速增加司机储备,Uber将佣金调低至20%以下。而在一些市场更为稳固的城市,Uber将佣金提高到了25%。Uber向司机解释称,虽然佣金提高了,但他们依旧可以获得同等收入,因为这些城市可接送的乘客变多了。
报道称,佣金的提升可能会帮助Uber说服潜在投资者——这家成立6年的打车公司价值在500亿美元或更高,但是收入分成的提高很可能会让数万名Uber司机感到挫败感。
好文章,需要你的鼓励
这篇论文提出一种插件式2D动作接口,让已训练好的3D运动语言模型无需修改或微调即可直接理解2D姿态输入。实验证明2D输入效果媲美3D输入,且在真实视频场景下配合专门的降噪适配器,2D方案比3D姿态估计更省算力、更实用,为动作理解模型的现实部署提供了新路径。
研究团队让8种AI智能体独立完成100项真实科研任务,深度剖析800份研究轨迹后发现,即便是最强模型,也普遍存在"发现问题却不修正"的现象,背后根源指向AI缺乏检验自身产出、主动纠错的元认知能力。
WorldRover是一套面向可探索世界建模的合成视频数据引擎,基于虚幻引擎构建,能让同一段探索轨迹在保持路线与场景一致的前提下,重新渲染为多种视角和外观状态,并同步提供深度、光流、长程点追踪等丰富标注,最终发布WorldRover-10M数据集,含2190万帧、202.7小时视频。
这篇论文指出,现有多目标强化学习训练大模型时存在"一刀切"分配优化精力的问题,提出SA-MRPO方法,根据每个奖励目标的饱和程度动态调整其权重,在数学推理、自适应推理、代码生成等任务上均取得优于现有方法GDPO的效果。