CNET科技资讯网 12月13日 北京消息:12月13日,广州市公安局宣布与滴滴出行建立战略合作伙伴关系。双方将依托滴滴大数据平台,共同推动广州“智慧交通”大数据平台建设,丰富完善广州“智慧交通”应用服务生态体系,共同推进广州智慧出行的服务与管理。
根据战略合作协议的内容,双方将本着“优势互补、合作共赢”的原则,在改善互联网产业发展环境、创新互联网警务模式、提升社会治安防控水平等方面开展紧密合作。其中,依托滴滴丰富的数据基础、成熟的云计算能力以及互联网车辆实时监控和调度能力,广州市公安局将展开建设社会公共安全大数据预警服务平台、广州“智慧交通”大数据平台及应用体系、全方位的便民服务体系和交通安全征信体系等创新尝试。
此次合作中,滴滴利用自身在移动互联网、云计算、大数据等方面的优势,推动移动互联网与警务工作融合发展,创新利民便民措施,协助共同推进广州智慧出行服务与管理,共同提升广州城市交通管理的信息化、智慧化水平。
滴滴出行在分享经济领域积累了丰富的经验和先进的技术。截至目前,滴滴平台上共有超过1500万司机,每日峰值订单达到2000万。当前,滴滴每天处理超过300TB数据,90亿次路径规划请求,130亿次地图定位。
广州作为改革开放的前沿城市,一直着力推动“互联网+”的发展,持续地推动产业结构升级。作为新经济的典型代表,以滴滴为代表的移动出行行业,一直在广州产业结构转型升级中扮演了重要角色。《广州市移动出行(滴滴)就业及社会发展分析报告》显示,截止2016年6月底,滴滴已经为广州提供了47.2万个灵活就业机会(包含专快车和代驾司机),占广州2014年第三产业从业人员的10.8%。截至今年8月,专快车已服务1042.82万广州居民,相当于2015年广州常住人口的77.2%。
同时,滴滴一直致力于建立一个良好的移动出行安全生态。从今年6月份开始,滴滴平台已陆续推广、升级“分享行程”、“紧急求助”、“号码保护”、“人像认证”、“车型一致”等五大安全功能。
未来,滴滴将继续通过大数据共享和深入挖掘,促进广州市“互联网+交通”的创新发展,丰富完善广州“智慧交通”应用服务生态体系,便利市民美好出行。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。