
拼车业务一直面临着巨大的政府监管压力,Uber不久前不得不暂停了其在法国的UberPop服务。近日,谷歌收购的以色列公司Waze也展开了拼车服务试点,不过其试图以严苛的运营政策,来减少监管压力。
Waze是谷歌在2013年以超过10亿美金价格收购的,该公司利用用户智能手机上的卫星信号来提供实时交通信息。 Waze近日在以色列推出了拼车软件RideWith,通过Waze的导航系统了解驾车者最经常走的路线,并为之匹配同一条路线上有拼车需求的人。
谷歌这一服务一开始会在以色列特拉维夫等三个城市铺开。如果试运营比较成功,这一服务会在更多的以色列城市铺开。但Waze的发言人表示,服务何时正式上线,还没有具体的时间表。
这次实验性质的业务,引起关注不仅因为这是谷歌首次在移动出现领域推出自己的产品,也因为这个拼车服务有着极其严格的运营政策。Waze规定,每天每个司机最多能接两单生意,目的是分摊汽车燃油消耗和车辆保养开支,司机本人不能依靠这个作为职业或是赚钱。
另外,谷歌不仅不会给司机补贴,还会从每单生意中抽百分之十五的佣金。RideWith还会利用Waze的数据库来对司机的轨迹与乘客的轨迹进行对比,以防司机违规。
一天仅限两次拼车的规定,或许能使RideWith避免遭遇Uber在许多国家所面临的抵制,毕竟这将降低对传统出租车行业的冲击,监管起来也更容易。
此前谷歌在移动出行领域一直没有推出自己的产品,而是对Uber进行了投资,谷歌地图等产品也对Uber的出行服务提供了支持。但此次谷歌在拼车业务上小试牛刀,也意味着将来与Uber可能有更多业务上的冲突。
谷歌在研究无人驾驶技术,不久前Uber也与美国卡耐基梅隆大学合作开始了无人驾驶技术研究。若谷歌的无人驾驶应用到移动出行上,其将成为Uber的直接竞争对手。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。