
在我国,“公车改革”最早始于1994年,曾被称为“难啃的骨头”,其中有一部分原因是,同一行政级别的不同岗位用车需求可能差别很大,另外不同地区的用车需求也不一样,因此,“公车改革”在各个地方的效果也有明显的差异。而现在,“公车改革”可以利用“互联网+”的思维。
2016年上半年,江西上饶市与滴滴签署战略合作协议,由滴滴根据上饶市的公务出行需求,为上饶市提供“互联网+政务用车”服务解决方案,这也是滴滴宣布提供公车解决方案以后,首次与地方政府合作。
从具体的落地形式来看,公务用车其实跟大家使用滴滴出行类似:在手机上安装“滴滴政务版”APP客户端之后,公务人员可以按照公务出行需求选择相应的平台提出用车申请,并通过设置权限进行审批后,驾驶员从APP司机端上接单,并按里程、时间计费,由单位统一结算。滴滴方面认为,这种模式既不耽误公务出行,又通过减少公车及其人员配置降低了开支。
上饶市公务用车服务有限公司总经理余清永曾接受媒体采访时表示,上饶市重大应急调研接待用车平台有74辆公车,市直机关综合执法用车平台有51辆,市级一般公务用车平台有100余辆。引用了滴滴政务版之后,司勤人员精简到107人,随着客户端功能升级,人员还有可能精简。据统计,车改后,上饶市直各单位公务用车节支率最高的超过33%,最低的也高于7%。
有业内专家分析认为,与大众使用网约车不同,公务用车除了要考虑成本和效率,同时还要求监管透明。在这方面,滴滴方面强调,平台能够追溯每一趟公务出行的用车时间和行车线路,使“事中监管”、“事后审查”等有据可查,适合在更多地方的公务出行中使用。
目前,江西省正在逐步将互联网化公车改革扩大到南昌等城市,而杭州所辖13个区县的公务员也将通过滴滴实现“互联网+公务出行”。
好文章,需要你的鼓励
论文提出CAST框架,通过多智能体系统把任务成败的粗略反馈转化为逐步动作的详细批评理由,训练出更懂节制的批评模型,再用它优化执行策略,让8B小模型在可靠性指标上反超120B大模型,提升智能体在真实动态环境中的稳定表现。
论文提出NavMCP框架,用意图、观察、记忆三条通道把VLM推理与导航基础模型NFM结合,解决具身问答中长距离探索问题,在多个基准和真实机器狗测试中均取得最优效果。
研究发现教师模型批改学生生成内容时噪声率高达50%,但学生依然能进步。作者发现真正起作用的是压制学生自己低概率词,据此提出无需外部监督的OPSA方法,在AIME24等数学测试上带来最高307%的提升。
PaperGym提出一套把科研论文转化为AI训练环境的方法,解决科研计划生成缺乏可验证奖励的难题,通过问题答案分离降低评分标准泄露,结合自蒸馏与强化学习两阶段训练,让小模型在多个基准上超越更大规模的商业模型。