今日有多家媒体爆料称美团存在酒店刷单这一行为,虽然这种现象在行业竞争中早已不是新鲜事,但这次爆料称美团在酒店刷单上甚至猖狂到连名字、价格、销量和评价统统都造假。
而美团酒店旅游事业群战略合作部总经理钟永健在下午对此回应,承认目前新美大确实存在极个别商户刷单的情况,但新美大对刷单行为都是零容忍,发现一个处理一个,处理方式包括下架整改、永久不合作等。另外新美大住宿业务有风控团队,会通过系统算法和人工结合的方式发现问题,呼叫中心如果收到关于这种问题的投诉也会处理。如果发现内部有业务员工和商家串通刷单,会触及销售管理的高压线,将根据新美大的销售纪律管理办法做严肃处理。
同时,对于商户刷单的行为,钟永健认为一方面要防控,另一方面也要疏解。商户刷单的原因在于为了获得更好的展示位,为自己招徕更多流量。为了疏解商户的需求,新美大将在今年二季度推出针对酒店商户的广告营销系统。
此次美团在酒店业务存在的大量刷单现象,方式包括刷销量、刷排行以及刷评价。为了提高排名,有些酒店还会注册多个账户以提高自己的展示位。据悉,在酒店预订上,OTA企业以及酒店自己的预订系统,基本都是按照时间、房间类型的条件预订房间。而美团采用的是团购模式,根据房型购买美团券,只要在有效期内,提前预约再使用即可。而从刷单的效果来看,不限定时间和数量的团购模式,对于商家而言,效果显而易见。
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。