
7月31日消息,Uber近日宣布在美国推出汽车租赁服务,可供出租的汽车包括新车以及二手车。因此,即使手里没有车的用户也能申请成为专车司机。

目前该公司当天没有公布更多细节,如租赁价格等。据英国路透社报道,此次意味着Uber公司第一次进入了金融服务市场。
另外,租车服务将是一个实验性的项目,未来根据业务进展情况,存在被取消的可能性。
Recode报道,Uber的租车服务,将首先在加利福尼亚州、佐治亚州和马里兰州三地推出,后续将推广到更多的地区。
据了解,Uber还曾经和Banco Santander公司的美国租赁业务合作推出汽车租赁服务,但目前早已终止。
Uber负责车辆业务的高管安德鲁·查普林(Andrew Chapin)表示,和传统的汽车租赁公司相比,Uber希望能够向专车司机推出更加灵活的服务。
美国消费者金融保护局上个月宣布,那些非银行的汽车租赁公司,如果每年的租赁业务超过了十万宗,都必须接受该机构的监管。
事实上,Uber在全球范围都没有自营车辆,此次推出租赁服务,将进一步扩大服务范围及竞争力。
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。