
CNET科技资讯网 9月26日 北京消息:滴滴跨城顺风车迎来一周岁的生日。去年9月25日,滴滴跨城顺风车开始在部分城市进行测试,这种城市间长距离合乘的出行方式,在没有任何宣传的情况下,很快有许多车主和乘客开始使用该功能,而陈大宝(顺风车ID Boss陈)正是第一个开启跨城顺风车之旅的车主。
2015年9月25日,一个普通的周五下午,“光大银行的程序员” 陈大宝完成了这周的工作,准备驾着他的宝马从北京返回河北三河市,和家人团圆过中秋。
出发前,他打开滴滴出行APP的顺风车页面,查看有没有顺路的订单,这是陈大宝近两个月养成的习惯,自从注册了顺风车车主,每次驾车出发前,他总会想顺路接个单,路上有个伴还能补贴油费。
滴滴顺风车页面似乎有了更新,多了“跨城顺风车”的按钮,陈大宝心里有些激动,经常往返北京和河北的他,早就希望顺风车开通跨城的功能,之前闲着无聊的时候,他还会输入三河市老家的地址看一下有没有顺路订单,但总是失落的发现没有订单。
点开滴滴“跨城顺风车”的按钮,陈大宝又一次输入老家的地址,这次他没有失望,四五个从北京到河北燕郊的订单出现在列表里,北京到三河市恰好将路过燕郊,他迅速选了最顺路的订单,确认同行!
(滴滴顺风车跨城第一车主:陈大宝)
半个小时后,陈大宝接上了他的乘客,驾车前往河北燕郊。这时的陈大宝没有意识到,他成为了“顺风车跨城第一人”。
滴滴顺风车事业部总经理黄洁莉说,其实跨城顺风车刚开始做的时候,出发点非常简单,是需求导向,是因为很多用户搜燕郊到国贸、佛山到深圳,我们发现有很多车主也是走同样的路线。用户的痛点非常强,在中国很多二三线城市末端的交通运输,30至300公里之间,基本上是非常不顺畅的,但是交通需求很旺盛。滴滴跨城顺风车希望实现“共享每辆私家车,连接每一个同路人”。
这次陈大宝跨城之旅的乘客,顺风车昵称叫“小妖”,是一位年轻漂亮的女孩,这次去燕郊,她也是要回家团聚过中秋。平时上下班,小妖也会约个顺风车,发现顺风车开通了跨城功能,她也很开心。
但路程刚开始,北京六环就发生了车祸,他们一动不动的在环路上堵了半个小时,还好俩人都是好脾气,而且相谈甚欢,让堵车也变得多了些趣味。
路上行驶了三个小时,陈大宝将小妖送到了燕郊的家门口,他略带歉意的说:路上有点堵,要不两个小时就到了。小妖替他宽心:没有你的顺风车的话,我路上等车转车,花的时间肯定更多,而且折腾。
行程结束后,陈大宝给小妖的顺风车标签是“脾气好”,而小妖则评价他“有礼貌,很斯文”。
即将到来的十一长假,已经习惯了跨城顺风车的陈大宝,还会接上跨城订单,和他的顺路乘客一起回家。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。