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
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。