5月18日消息,滴滴出行宣布Di-Tech算法大赛于今日中午12:00正式开赛,本次大赛冠军将获得高达10万美元奖金,而赛题挑战成功者还将直接获得滴滴出行的面试机会。滴滴出行此番巨额奖金面向全球寻找数据狂人,对技术人才通过自主学习掌握行业前沿技术将是极大鼓励。
本次大赛的评委阵容豪华,包括人工智能科学家、滴滴研究院院长何晓飞;机器学习领域国际领军人物、滴滴研究院副院长叶杰平;优达学城创始人、GoogleX创始人Sebastian等。大赛也得到了Google研究院院长Peter Norvig以及数据科学家Katie Malone的支持和指导。
据悉,整个赛程分为初赛、实名认证、决赛、答辩四个环节,为期一个月的初赛于北京时间5月18日中午12:00正式拉开序幕,选手登陆算法大赛官网(research.xiaojukeji.com)即可在线参加比赛。初赛成绩排名前50名(含并列)的队伍将进入决赛;决赛成绩排名前10名的队伍进入线下答辩环节,最终角出冠亚季军以及最佳答辩、最有潜力等奖项,奖金最高将达10万美金。
值得注意的是,滴滴将开放国内真实的出行数据,用最炙手可热的研究课题,向算法天才征集更聪明的解决方案,并且该解决方案还将有机会应用于“滴滴出行”产品端,直接改变全球数亿用户的出行体验。
本次大赛赛题为“解决出行行业供需预测问题”,供需预测的目标是准确预测出给定地理区域在未来某个时间段的出行需求量及需求满足量。调研发现,同一地区不同时间段的订单密度是不一样的,例如大型居住区在早高峰时段的出行需求旺盛,而商务区则在晚高峰时段的出行需求旺盛。如果能预测到在未来的一段时间内某些地区的出行需求量比较大,就可以提前对营运车辆提供一些引导,指向性地提高部分地区的运力,从而提升乘客的整体出行体验。
之所以给出这样的题目,滴滴相关负责人表示,截至目前,滴滴出行平台日均需处理1100万订单,需要分析的数据量达到50TB,路径规划超过90亿次。面对如此庞杂的数据,需要通过不断升级、完善与创新的云计算与大数据技术,从而保证数据分析及相关应用的稳定,实现高频出行下的运力均衡。供需预测就是其中的一个关键问题。
据介绍,Di-Tech算法大赛由滴滴研究院主办,合作方是硅谷的IT在线教育“独角兽”优达学城(Udacity),后者为参赛者提供学习资源和技术指导。此前4月18日,滴滴出行宣布同优达学城达成战略合作引发业界众多联想。总部在硅谷的优达学城有着得天独厚的优势,它和Google、Facebook、亚马逊等全球顶尖的科技企业合作推出的认证项目“纳米学位”,将学员培养为顶级的网站开发者、数据分析师和移动开发者。
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。