CNET科技资讯网 9月21日 北京消息:滴滴出行与猿辅导联合发布教育行业智能出行大数据报告(以下称“《报告》”)。《报告》基于滴滴出行平台数据分析了中小学、大学和教师群体的移动出行特征,为了解和研究我国教育行业现状和特点提供了新视角。
《报告》根据大学生群体出行数据评选出了全国智能出行最活跃的高校TOP10,四川大学、北京大学和浙江大学位列前三名。而在全国智能出行最活跃TOP100的高校中,超9成分布在一二线城市。此外,大学生群体也十分钟爱拼车。保守估计,滴滴平台上平均每天有9.4万人次的大学生使用拼车。
工作日超九成学生22点前返校
《报告》数据显示,受到学业课程安排的影响,大学生群体工作日的出行高峰仅在傍晚出现,晚17:00-18:00是大学生群体的出行高峰期。在工作日打车出行的大学生中,有超过56.3%同学前往的地点为商务楼宇、学校和餐饮购物。不难发现,当下大学生的日常生活以高校间串门、上班实习、餐饮聚会为主。
值得一提的是,绝大部分的大学生都遵守了学校的“门禁”。数据显示,在周一到周四的工作日期间,晚20点开始,各大学校周围便会出现学生返校高峰,90.5%的大学生会在晚上22点前返回学校。而在周五、周六大量大学生打车出门。其中广州大学、对外经济贸易大学、西北大学的学生周末夜生活最丰富,周末晚21点后打车出行的人最多。
日均9.4万人次大学生使用拼车
在日常出行中,价格实惠的拼车成为了不少大学生出门的首选。滴滴平台数据显示,18-24岁的大学生群体是使用拼车意愿最高的群体之一。保守估计,在滴滴出行平台上每天有9.4万人次的大学生使用拼车出行。中国科技大学、华中师范大学、山东大学的同学最喜爱拼车,使用拼车出行的比例最高。
去往地铁站、火车站等交通枢纽、高校串门、周末近郊游是大学生拼车出行的主要场景。数据显示,有12.3%的大学生拼车出行订单的起点或终点是地铁、火车站和机场等城市交通枢纽,另有11.9%的大学生拼车出行订单是来往与高校之间。周末时,使用拼车长途出行(订单距离20公里以上)的大学生较工作日上升22.8%。
报告分析员指出,大学生群体对于价格较为敏感,因此较为喜欢使用拼车产品。此外不少地方城市新建大学城,将高校聚集在一起的现状一定程度上造就了大学生喜爱拼车的特性。该分析员表示:“高校与高校之前距离近、公交车站距离校门较远,以及拼车可以认识不同学校的朋友是造就大学生喜爱拼车的一些主要原因。”
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。