CNET科技资讯网 5月22日 北京消息:滴滴专车今天宣布正式上线“宝贝专车”,即日起,北京、上海、广州、深圳、杭州等八个城市的用户可通过滴滴手机客户端预约配备CYBEX儿童安全座椅的“宝贝专车”。未来,“宝贝专车”也将逐步在更多城市落地。
据悉,“用户导向”和“数据驱动”是今年滴滴专车的关键策略。滴滴专车通过大量的用户调研发现,专车的核心用户年龄集中在25岁—39岁之间,当中有不少年轻的父母,他们希望专车能提供儿童座椅的服务,以方便带孩子出行。此外,平台数据也显示, 前往幼儿园、儿童乐园、儿童医院的订单占比持续走高。
“基于满足用户需求,保障儿童出行安全的初衷,我们专门推出了宝贝专车这一定制服务。”滴滴品质出行事业群负责人付强表示。
据了解,每辆“宝贝专车”均配备了德国高端品牌CYBEX的儿童安全座椅。该品牌借鉴欧洲顶级工程师及国际设计师的专长,产品累计获得超过250个创新、安全大奖。此次选用的是旗下明星产品PALLAS2FIX,该座椅经过欧洲ECE和中国3C认证,更是ADAC碰撞测试中高评分产品,可以为9个月-12岁的小乘客提供出行保障和舒适的体验。
对于家长们关心的车辆和司机问题,滴滴方面介绍,专车的准入门槛本身就比较高,要求车价15万元以上、司机驾龄3年以上,都需经过三证验真以及严格的背景筛查。而此次的“宝贝专车”司机则是进一步通过认证分,服务态度,敬业度等全方面立体考核,筛选出的一批最优质的全职司机,并且都经过了专业培训。
目前,滴滴专车首批在北京、上海、广州、深圳、杭州、成都、重庆、西安投入了数千辆“宝贝专车”,未来还会进一步增加车辆并推广到更多城市。
据悉,滴滴专车在产品端新增了“宝贝专车”入口,即日起,家长们就可以通过滴滴APP的“专车”入口,点击“预约”选择“更多服务”,勾选“儿童座椅”选项,使用“宝贝专车”。
滴滴专车方面介绍,由于“儿童出行”属于个性化服务,尚未实现每台车均享有 “宝贝专车”的功能。所以用户需要提前2小时预约,给予司机接驾以及安装儿童座椅的时间。
在价格方面,目前尚未对“宝贝专车”增收额外的费用。后续将根据司机的接驾成本以及运行效率来核定价格。
据了解,交通事故已成为我国儿童受伤害致死的第二大原因,而导致儿童出行事故频发的一个主要原因就是家长未配备或正确使用儿童安全座椅。相比欧美国家,我国安全座椅的普及率非常低,家长们的安全意识有待提高。而在公共交通领域,为儿童定制的出行服务更少之又少。可以说,滴滴“宝贝专车”的推出,为家长们提供了一个安全的选择,切实解决了儿童出行的问题,值得肯定和赞扬。
在“宝贝专车”之前,滴滴专车已推出了多项定制化服务。早在两年多前,滴滴专车就上线了机场接送机预约功能,满足商务、旅游相关人群的出行需求。
为了增加乘客使用专车的便利性,滴滴专车还推出了“接机员”个性化服务,由专人在出站口迎接乘客,并把他们送往专车停放处。而接机员也有望成为“淘女郎”之后,又一个互联网造就的新职业。此外,滴滴专车还打造了“无霾专车”、“包车”等功能。
业内人士分析,当消费升级的概念逐渐落地后,让消费者能获得更好的产品服务,才是消费升级的本质。值得注意的是,滴滴在数据、技术方面的优势已经成为提升服务体验的“软实力”。滴滴正在借助机器学习和大数据解决智能调度和供需预测等难题,通过模型的不断优化缩短运算时间,同时提升预测效果,让人们的出行更便捷,体验更好。
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。