随着酒后开车叫代驾观念的普及,代驾成为很多司机兼职赚取报酬的一份工作,但代驾司机到达用户目的地后面临的深夜返程问题也被很多人关注着。为了解决旗下合作的15万代驾司机深夜返程问题,国内最大互联网代驾信息服务平台e代驾,推出了专注夜间代驾返程的APP应用KK用车,目前已经成为代驾司机夜间出行的“神器”,构成e代驾“司机服务体系”的一部分。
e代驾于2014年6月正式推出KK用车APP,专注夜间出行,以保障代驾司机的回程方便与安全。当代驾司机在夜间出行的时候,打开KK用车APP,就能看到周围的KK注册车辆,通过软件叫车后,司机就会第一时间赶到现有位置,并按规定路线将司机送往目的地。
据了解,KK用车具有快捷、省钱 、安全以及规范的优势。不仅一键下单后车辆就能快速到位,而且价格十分优惠,每公里不足0.7元,堪称同行最低价格;同时,公司为所有车辆都购买了商业保险,乘客保额高达10万;此外,所有车主上岗之前也都必须实车检验并通过培训考试。
快捷省钱的同时,又强调安全规范,KK用车应用自推出之后,备受代驾司机欢迎。据悉,目前KK用车已经在全国20座城市开设了 500条线路,活跃车主数万人,累计已经为数百万人次的代驾司机提供了返程服务。
与此同时,KK用车近期还举办了“E家人天天1元”活动,e代驾补贴千万元让e代驾师傅享受“1元坐KK”的福利,而且不限次数、不限线路。KK用车负责人李金山表示,该活动已经从7月29日起在全国20个城市同步启动,为更多的代驾司机提供便捷安全的返程服务。“KK的心愿就是成为大家代驾工作的坚强后盾。”李金山说。
对于所有代驾司机而言,在送完顾客之后都要面对返程问题。通常情况下,多数司机返程时会选择搭乘夜班公交,或使用滑板车,甚至步行回家。不过随着代驾成为人们一种生活方式,越来越多人接受代驾,因此出现越来越多边远郊区或偏僻地段的订单,但不是所有地方都有夜班公车,而且太远的距离对电动自行车也并不方便。正是在这样的情况下,KK用车应运而生,很好的解决了代驾司机返程问题。
e代驾通过大数据分析,总结司机的运动轨迹,推出KK用车应用,将司机返程行为纳入到整体的司机调度体系中来,让代驾司机可以轻松方便的实现偏远地段返程与动态接单相结合,极大的方便了代驾司机群体,提高了他们的接单效率,可谓一举两得。在e代驾精心打造的最强代驾司机服务体系中,KK用车无疑成为其中最具科技感的一块拼图。
据了解, e代驾一直以来把15万代驾司机视为最珍贵的合作伙伴,始终坚持对合作代驾司机群体的关怀,此前就已经联合众安保险推出首个代驾司机意外险,与KK用车一起全方位保障司机的切身利益,实现在e代驾平台上代驾无忧。
对于e代驾力推KK用车这一举措,业内人士纷纷表示赞誉:“KK用车展现了e代驾作为行业开创者重视服务的初心,在完善e代驾司机服务体系的同时,也进一步稳固了e代驾市场老大地位。”
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。