CNET科技资讯网 5月23日 北京消息:近日,滴滴快车拼车升级为“站点拼车”。目前,北京地区的快车拼车已升级为站点拼车。用户下载、更新至最新版本的滴滴出行APP即可在快车界面内使用、体验。未来,滴滴将基于市场反馈,逐步在其他城市推广“站点拼车”。
站点拼车引入智能站点推荐。乘客选择站点拼车后,系统会基于步行距离、时间、路况等维度计算出附近3-5个适合上车的站点,并推荐一个最佳站点。乘客发单,司乘匹配后,双方均需在限定时长内到达碰头站点。各订单限定时长基于站点位置、实时路况等因素而不同。
站点拼车同时进一步优化了行程路径规划,确保行程途中车辆无需掉头接拼友,帮助司乘减少了因途中接人而产生的拼车绕路里程,提升出行效率,增加司机时薪。试运行期间数据显示,与之前的拼车相比,站点拼车可平均减少30%的绕路里程。
作为城市分享绿色出行的典型代表,拼车是目前解决城市拥堵的有效途径。2015年至今,滴滴不断优化拼车产品,通过科技创新持续助力城市分享出行建设与发展。今年春季,滴滴还提出并在北京尝试了“拼车优先派单”的策略,缓解了清明小长假期间的出行需求压力。
站点拼车将帮助城市提升更多特殊场景的出行效率。在演唱会、足球赛等人流短期聚集的场景下,站点拼车在提高乘客打车成功率的同时,能帮助主办方快速疏散人群,缓解场馆附近的交通拥堵状况。此外,基于人工智能算法挖掘的智能站点,可为大型综合体规划上下客停车点提供建议,提高综合体附近车辆流动的效率。
分析人士评价,站点拼车的创新在提升拼车体验的基础上,也将为拼车的普及打开新局面,尤其是居住在卫星城大型社区的年轻一代将更多地思考是否需要购车。全球领先咨询机构凯捷(Capgemini)最新研究报告显示:网约车及拼车服务正对现有购车和养车模式产生颠覆性影响:34%消费者认为移动出行服务可替代养车,56%的消费者则认为移动服务对购车可起到补充作用。
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。