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
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。