5月27日消息,优步(Uber)创始人、CEO特拉维斯·卡兰尼克(Travis Kalanick)昨日现身贵阳大数据产业博览会。他在接受采访时表示,将对司机补贴到市场竞争尘埃落定的时候。
卡兰尼克此行目的与Uber此前在国内屡屡碰壁不无关联。优步中国方面表示,目前有些细节尚未敲定,但其中有安排部分不会向外界公开的内部会议。至于这些“内部会议”是否涉及到优步在国内部分城市遭遇的禁令困境,暂时不便向外界透露。
“我们在北京的业绩成长比全球任何城市都要快,原因是优步的概念与本地手机打车软件完全不同。大家可以想象一下,如果你去各个城市可以吃的只有麦当劳,突然有人进入这个市场说我可以提供餐厅这类更好的选择。所以说,优步进入这个市场,其实给大家提供的是更多的选择,这也是为什么我们能够在北京增长这么快的原因。”卡兰尼克说。
当被问及Uber进入中国和其他国家城市的区别时,卡兰尼克称,Uber在纽约和在北京非常不同,第一纽约车费很贵,其次在纽约的管理司机组织结构方面也与北京不同。
另外,卡兰尼克在接受媒体采访时表示,对司机的补贴将延续到中国市场竞争尘埃落定的时候。
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。