巴西的出租车司机们近日在里约热内卢与美国打车软件优步(Uber)上演了一出精彩的互撕大戏,数千名来自里约、圣保罗和巴西利亚等地的出租车司机驾驶2000多辆黄色出租车在沿海大道游行,打出“不要黑车”“我们才是合法的,优步滚开”等标语,希望政府禁止优步运营。
对此,优步用迅捷而有力的反击向巴西人昭示了它的决心:游行当天,这款打车软件在其社交网络页面上发起了“里约不会停止”的活动,并向每位用户派送最高50雷亚尔(1雷亚尔约合1.9元)的免费专车券。优步巴西的发言人表示,每个人都有权利选择适合自己的出行方式,他认为出租车司机的抗议毫无意义。
出租车司机的抗议一直未能阻止优步在巴西扩张的脚步,而且似乎起到了反作用。今年4月8日,巴西的出租车司机就曾在圣保罗、库里蒂巴、里约热内卢、巴西利亚和贝洛奥里藏特等多个大城市发起过针对优步的大规模抵制行动,结果却是优步在巴西Apple Store的下载排名从7日的第384名一跃升至8日的第46名。这一次,里约的抵制游行直接将优步的下载排名推到了第一,用当地一句俗语来形容就是“这一枪打到了脚上”。巴西出租车行业协会主席对此发表声明称:“无论结果如何,我们想做的是让人们明白优步的非法性质,维护合法运营的权益,而优步所做的只不过是市场营销的小把戏。”
在巴西,出租车司机的压力不算大,笔者曾在里约和圣保罗与多位自营司机交流,他们的月收入约为4000至5000雷亚尔,按照巴西收入划分已算是中产阶级上层,意味着妻子如果想在家做全职太太是没有问题的。
以里约为例,出租车司机购车时享有30%的折扣,并享受部分税费减免,这些都是优步司机享受不到的。但是相应地,正规出租车司机需自费130雷亚尔参加专门的培训课程,每年向政府缴纳运营费429雷亚尔,并且每五年需到交通部门进行体检和心理检查,这些检查收费130雷亚尔。
从收费来看,巴西的优步和出租车差价在5%以内,优步抽取车费的20%作为佣金,而自营出租车司机则可保留全部收入。但是,由于政府严格限制执照数量,很多出租车司机不得不通过租借或购买他人运营执照的方式工作,执照租金一般是每天150至200雷亚尔,如果出售的话价格可达15万至18万雷亚尔,运营成本就大得多,所以这些司机对优步的抵触尤为强烈。
目前,优步的运营合法性在巴西仍是一个极具争议性的问题,尚没有得到明确的司法解释。对于优步和出租车之间看似不可调和的矛盾,政府的表态也略显模棱两可。里约州交通厅长对此表示,依照法律,在付费的个人交通中只有出租车业获得了批准,其他均与法律不符。他还承诺,将加强对黑车的监管。而里约市交通局长则表示,市政府短期内不会出台针对任何打车软件的限制政策,除非立法机构对此正式立法。目前,整个巴西只有圣保罗曾宣布禁止优步运营。
不过,圣保罗市的优步用户数量仍在快速增长。作为世界闻名的拥堵城市,人口超过千万的圣保罗出租车数量不足5万,难以满足市民的出行需求。而优步在满足人们出行刚需的基础上提供了更优质的服务:更新更好的轿车、体面礼貌的司机、无空驶费和出城费等附加收费等,这一切都让优步的用户欲罢不能。一切正像优步创始人特拉维斯·卡兰尼克所描绘的那样:“我们希望传递的要点是,使用优步打车,比自己拥有一辆车更划算。”
业内专家认为,优步等专车服务的制度规范存在欠缺,埋下了不少安全隐患,但如果不从根本上解决人们打车难和专车非法运营的属性问题,市场机制这只“看不见的手”只会让优步的扩张脚步越来越快。
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。