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
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。