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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。