北京时间1月26日消息,美国专车公司Uber去年共在美国联邦法院遭遇50起诉讼,这已经成为这家硅谷创业公司面临的一大严峻问题。
有人认为,Uber在68个国家或地区运营,拥有超过5,000名员工,而且是全球估值最高的创业公司。所以,50起诉讼或许并不算多。但实际情况并非如此。
首先将Uber与其竞争对手Lyft进行对比,后者遭遇的诉讼还不到Uber的三分之一。美国估值第二高的创业公司Airbnb去年仅遭遇5起诉讼。
为什么所有人都在起诉Uber?最简单的回答是:原因很多。根据法庭记录,在50多起针对Uber发起的诉讼中,有17起的原告是Uber司机,15起是出租车公司,还有十多起来自乘客,他们起诉的原因包括遭到袭击、地点错误和价格欺诈。还有一些诉讼则是因为注册商标侵权、保险索赔撤销和残疾人歧视。除此之外,还有更多的官司已经准备提交给美国各州法院和各县法院。
如果要复杂一点的答案,那就是:当你正在颠覆一个受到高度监管的传统行业时,业务成本必然居高不下。与很多硅谷创业公司一样,Uber通常先推出,再解决各种问题。如果出售软件或智能手机,这种方法完全可行——只需要推送一个更新来修复漏洞即可。但如果在实体领域展开业务,效果则会差得多,需要应对数以千计的人,而且要受制于各种各样的地方法规。所以,当你在实体领域开展业务时,就会面临很多诉讼。
Uber一直以来都是都是法庭上的常客。最著名的莫过于面临自家司机发起的集体诉讼了,他们声称该公司应该给予其员工待遇,而不是将其当做独立承包商。倘若Uber在这起诉讼中败诉,该公司就必须向16万司机支付工资,其商业模式也会彻底改变。该案将于今年6月在旧金山开庭,其他州至少也已经启动了超过10起类似的官司。
其他应需服务创业公司也面临类似的法律威胁。家政创业公司Homejoy去年表示,该公司因为一起类似的官司而关闭。而Instacart也因为面临同样的威胁允许一些承包商转为正式员工。
Uber驾驶员不希望Uber关闭,只是希望从该公司获得更多的经济利益。而与此同时,Uber面临的其他诉讼则是为了将其置于死地。在十多座城市中,当地出租车公司都起诉Uber违反当地法规。
Uber遭遇的大量法律诉讼表明该公司面临巨大威胁。事实上,即便是Facebook,也没有在与Uber处于相同阶段时面临如此多的诉讼。
Uber拒绝对此置评,也没有透露该公司的法务团队规模。当然,该公司无论从规模还是跨越的地域范围来看,都远大于竞争对手,业务复杂程度也更高。但该公司的风险并不会因此而减少。
分析Uber的法务团队便可了解该公司面临的挑战:Uber目前在全球有27个法律相关职务开放招聘。在LinkedIn上,有超过50人自称是Uber美国的法律顾问,而Airbnb的这一数字不到20人。
如果Uber不断扩充法务团队,表明该公司的确面临一场生存危机。
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。