近日,TalkingData移动数据研究中心发布《2015年O2O移动应用行业白皮书》,报告显示5月份国内安卓系统出行O2O移动应用市场覆盖率,滴滴快的旗下滴滴打车、快的打车牢牢占据前两位。
报告显示,滴滴打车安卓应用覆盖率达10.26%,排名上榜所有移动应用榜首。滴滴快的旗下的另外两款产品快的打车和一号专车,安卓应用覆盖率分别为2.59%和1.00%,分列第二和第四名。
滴滴打车、快的打车于今年2月14日正式宣布合并,中国移动出行领域排名前两位的两家公司合并,使得合并后的新公司进一步巩固其出行领域霸主地位。此次报告中,滴滴快的旗下产品不仅占据5月安卓市场出行应用覆盖率前几名,在报告披露的O2O移动应用总排行中,滴滴打车排名第三,仅次于支付宝钱包和美团团购。
报告指出,出行O2O包含打车、租车、专车、拼车等不同服务模式,滴滴与快的用户覆盖最高;租车类应用用户覆盖也较高;在5月份,拼车类应用处于起步阶段,尚未出现优势明显的高频应用;专车类应用在2015年异军突起,滴滴专车、一号专车与国外来的Uber等竞争激烈。
值得一提的是,滴滴快的合并后,在移动出行领域的战略布局逐渐清晰。目前,滴滴快的在用户量和订单量上,已经成为全球最大的移动出行平台,原有的出租车、专车、快车业务,再加上顺风车和即将推出的代驾服务,一个综合性的出行平台雏形渐现。滴滴快的CEO程维曾公开表示,滴滴未来将覆盖公共交通,同城物流等一切与出行相关的方面。
此外,报告还指出,移动O2O行业用户规模达到7.5亿,占移动互联网整体用户规模的65.2%;超过六成的用户使用过移动O2O的服务,随着移动O2O行业的加速扩张,这一比例在未来将不断扩大。
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。