
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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。