
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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。