
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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。