7月7日,车主综合服务平台微车正式对外宣布与Uber、易到用车达成合作,该合作将面向北京地区的Uber、易到用车专车司机提供加油优惠。微车公司称,此次合作将使Uber、易到用车在北京的250万专车司机受益。
随着网约车普及,大量私家车车主开始成为专车司机。据统计,一辆专车每天平均行驶300公里,加油1到2次;同时,专车司机考虑支出成本和经济收入问题,对油价比较敏感,这使得专车司机与提供优惠加油服务的微车恰好匹配。
微车公司表示,考虑到专车司机旺盛的加油需求,两大平台的专车司机可享受加油价格优惠,并且在每周四的车主日活动中享受比其它时间更低的油品价格。
微车APP是针对中国一亿车主而开发,以加油站互联网服务、违章提醒等业务为切入点,短短三年时间已经发展成为涵盖加油、违章、代驾、新车、二手车、保险、救援、保养等车主刚需的综合性移动车主服务门户。
据统计,微车现有注册车辆数超过1亿,占中国总车辆保有量的70%+,其违章查询服务覆盖全网超过90%的入口资源。2015年7月,微车互联网加油模式上线以来,已跃居为国内排名第一的‘互联网+’油站服务运营商。
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。