滴滴出行今日宣布,在刚刚过去的上周五(5月20日),滴滴平台上的专快车日成交订单总数首次突破一千万,相当于美国全国移动出行日订单量的五倍。滴滴方面表示,这也标志着中国移动出行行业在运用前沿深度学习技术、构建数据驱动的智能预测与调配体系,持续提高城市交通效率方面,取得全球领先的地位。
2014年8月,滴滴专车正式上线,2015年5月,滴滴快车上线。从第一单到日成交一千万单,滴滴仅仅用了21个月,创造了移动出行乃至整个互联网领域的奇迹。艾瑞数据显示,2015年滴滴专车占据整个中国专车行业88.4%的市场份额。
过去一年多时间也是中国移动出行市场全面爆发的一年,滴滴率先创造性的提出和实施“潮汐战略”,并初显成效:整合社会上的专业运力和零散运力,并通过运营手段来灵活满足高峰期低谷期不同时段的民众出行需求,也让出行第一次通过移动平台实现新的连接和匹配。北京大学国家发展研究院经济学教授周其仁评价认为,“专车最有价值的就是非全职,是弹性的、兼职为主的模式,才能应对潮汐的城市交通出行。”
滴滴研究院院长何晓飞认为,滴滴专快车订单能保持高速增长,依托于滴滴长期以来建立的技术领先优势。在将近四年的时间里,滴滴积累了大量的交通出行数据,并通过不断引进大数据和机器学习方面世界级的科学家,储备了大量的技术人才,搭建起自己的深度学习平台。目前,滴滴已经构建了一个世界领先的智能交通云,不仅服务于滴滴平台,未来还能通过与公共部门合作,对整个城市的公共交通产生价值。
“面对中国这个世界上最繁复多变的出行体系,滴滴打造的是一个出行数据精准匹配的智能系统。这一个完整的系统包括了随区域、时间变动的定价、订单的高效匹配、根据供需预测之后的司机运力调度等等。“何晓飞介绍。通过大数据的深入挖掘与应用,通过分享经济的模式,以及智慧算法智能匹配出行的供给和需求,滴滴不断提升平台效率,降低成本,让出行变得更加高效便捷。
1000万单的成绩亦说明,在滴滴为代表的移动出行行业努力下,城市交通效率得到了大幅提升。据悉,滴滴是国内第一家把机器学习成功应用到ETA的公司,而基于智能调度的动态调价,科学预测城市交通的供需关系,从而提高了整个城市的交通资源利用效率。业内人士指出,在成功跨过1000万这一巨大量级后,滴滴将进一步凭借巨大的规模优势和数据优势,更好解决效率和调度的问题,反过来进一步促成其规模和效益的加速放大。
据悉,滴滴目前涵盖出租车、专快车、顺风车、代驾、巴士、试驾和企业用车等众多业务线,并在每一个垂直领域都取得了绝对的领导地位。
数据显示,相比中国电商12%的渗透率,目前中国的智能出行渗透率仅为1%,未来还有极其广阔的延展空间。考虑到目前打车软件在二三线市场的覆盖率、渗透率与淘宝、京东等电商相比还有很大差距,同时,滴滴的交易频率远超电商,随着供应量提升、市场需求提升、服务覆盖更多城市、消费习惯的养成,滴滴的交易规模仍将快速扩大。
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。