爱立信日前发布了爱立信消费者研究室的最新报告《小通勤的大期待》。
该项目调查了全球四大城市伦敦、纽约、圣保罗和上海的通勤族在使用公共交通和私家车辆时的体验,并在这份报告中阐述该项目的研究结论。
报告显示,受访者普遍觉得通勤时间既无聊又低效。该研究深入调查了通勤族对通勤时移动网络中ICT覆盖效率的态度。
爱立信消费者研究室高级研究员Radhika Jade表示:“从全球来看,消费者每周花在通勤上的时间比用在社交等休闲娱乐活动上的时间多出20%。他们认为,连接应当是通勤的基本要求,但市政交通普遍不能满足。动态信息缺乏和信息分散、售票系统老旧、拥堵管理低效等因素都会让通勤族感到失望。”
在中国上海,人们平均每天花在通勤上的时间为1.5小时。在长时间的通勤过程中,用户通常会使用一些互联网业务来管理他们的行程或者消磨时间。而用户对于公共交通的信息获知非常有限,信息缺乏和信息延迟都给人们每天通勤的安排造成影响。
报告还阐述了通勤族对于ICT覆盖率的期望值和满意度,涉及所有类型的公共和私营交通运输形式,如公交、地铁、出租车和私家车。研究表明,在伦敦和纽约,分别有82%和79%的通勤族使用与出行有关的应用程序来更有效地规划通勤。
在上海,每天坐公共交通的用户中,47%在通勤过程中使用信息类业务,23%的用户浏览互联网或者搜索信息,17%的用户观看手机视频,并且用户表示业务的使用体验较差。而有更多的用户表明,如果地铁里面的网络连接有所改善,那他们将更愿意使用视频等一些上网业务来提升他们的整个通勤体验。
研究还发现,那些随时随地都在使用智能手机的通勤者普遍认为自己是在引领技术潮流,而交通运输行业却无法适应这种变化。
Jade表示:“通勤者需要最新的出行信息。他们要求“随时在线”的连接,以及更加个性化的交通服务,帮助他们更轻松地规划线路和支付票款,并且让换乘时间更加有效率。”
针对中国城市用户,爱立信消费者研究室东北亚区负责人徐晓莉表示:“目前‘随时在线’的连接对本地用户有很大吸引力,而更加个性化的交通服务对于他们来说还比较超前。当前用户最希望的是公共交通部门能做好交通流量控制、缓解拥堵,并在乘坐公共交通时增加更多的个人空间,从而提升通勤的整体体验。”
好文章,需要你的鼓励
本文介绍LT-OPD训练框架,通过让极限压缩的多模态大模型在自己生成的内容上接受满血版模型指导,并配合渐进式课程学习,在仅保留5%视觉token时把性能保留率从68.6%提升到82.3%,且不增加推理成本。
本文解读ALIGNOPSD方法,该方法针对AI智能体训练中"决策与时间戳错配"问题,通过先对齐功能相同的决策场景再打分,并按可变长度决策段分配信用,在ALFWorld、WebShop、Search-QA三大任务上相比GRPO提升5.5%至8.7%。
本文介绍自适应一致性图(ACG)方法,通过持久化执行记忆图与预算感知的上下文构建,帮助AI智能体在长任务中减少信息失联,在多项基准测试中相比ReAct等基线方法提升了任务成功率。
多智能体AI协作时重复计算KV缓存浪费严重。PReCache提出预计算低秩缓存和中性基础缓存重构两项设计,免训练实现最高3.1倍加速、2.3倍吞吐提升,且准确率仅比不共享方案低1.1个百分点。