
四年一届的欧洲杯进入到白热化阶段,不过相比于世界杯,欧洲杯的关注程度并没有想象中那么高。7月1日,滴滴出行公布了欧洲杯期间的出行数据,综合滴滴平台晚上11点到清晨6点的专快车、代驾订单可以发现,去往酒吧等传统聚会看球区域的订单并没有出现井喷式增长。这或许从另一个侧面说明,欧洲杯的吸引力不够,大多数球迷更喜欢在家熬夜看球。
滴滴方面分析,6月下旬去往酒吧等聚会场所的订单增长主要还是受季节因素影响,涨幅也在情理之中,欧洲杯的推动作用并不大。
据悉,本届欧洲杯由于进球数量低,一度被球迷形容为“史上最无聊欧洲杯”,央视著名主持人白岩松亮相某节目时评价,也许是扩军行为导致了欧洲杯观赏性下降。这也导致球迷组团观战兴趣度不高。某酒吧服务员告诉记者,这样的情况他们已经预料到了。不过,随着决赛阶段比赛越来越激烈,球迷们需要酒吧这样的观赛气氛,到时候也许会一座难求。
不过,滴滴大数据还是透露出欧洲杯的细微趋势。滴滴代驾数据显示,6月15日和6月12日订单涨幅最为明显。 15日深夜和12日深夜分别有葡萄牙VS冰岛,以及英格兰VS俄罗斯的比赛。或许是受到英超以及C罗个人魅力的影响,葡萄牙和英格兰的比赛,显然更受关注。
以城市为维度进行计算,广州、长沙、苏州、南京和上海的球迷最为热情,这几个城市深夜订单涨幅相对明显。与此同时,通过滴滴代驾数据,全国各地的球迷观赛圣地也浮出水面,北京的三里屯、上海的万达广场、广州的外滩洛溪食街、杭州的南山路/北山路等区域附近,比赛期间的代驾需求较为活跃。
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。