微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 密歇根大学终身教授刘向宏加盟滴滴 任智慧交通首席科学家

密歇根大学终身教授刘向宏加盟滴滴 任智慧交通首席科学家

2017-08-04 13:26
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-08-04 13:26 CNET科技行者

CNET科技行者 8月4日 北京消息:滴滴出行今日宣布,密歇根大学终身教授刘向宏(Henry Liu)已加盟滴滴,出任智慧交通首席科学家。刘向宏将全面领导滴滴智慧信号灯研发团队,并进行智慧交通多项产品与技术服务的深度探索。

密歇根大学终身教授刘向宏加盟滴滴 任智慧交通首席科学家

滴滴致力于成为全球最大的智慧交通综合服务提供商,智慧交通亦是今年五大战略项目之一,已和全国二十多个城市展开合作。在武汉、济南、深圳、贵阳等地,滴滴陆续落地了智慧信号灯、智慧诱导屏、智慧公交、智慧代驾热力图、智慧交通运行报告等多个项目,并取得初步成效。数据显示,滴滴的智慧信号灯让济南经十路早晚高峰期延误时间下降了超过10%,让武汉江发路早高峰延误时间下降了超过20%。

滴滴出行高级副总裁、智慧交通负责人章文嵩表示:“滴滴希望与城市交通管理者携手打造基于互联网+大数据的智慧交通整体解决方案,帮助进行前瞻性的市政规划和基础设施布局,切实改善城市交通、普惠大众出行。Henry教授的加盟更加体现了滴滴在该领域的信心与决心,也让我们的技术实力更上一个台阶。我们持续欢迎更多全球顶尖的科技人才加入滴滴,和我们一起解决世界级的交通、环保和城市发展面临的挑战。”

刘向宏是智慧交通领域的先行者和领军人物,任密歇根大学智能网联交通研究中心主任、土木和环境工程学院终身教授,以及交通研究所(UMTRI)研究员等,主要研究领域为交通网络监控、建模和控制,包括交通流建模与仿真、交通信号控制、交通网络分配和智能网联交通。作为一位深受信赖的导师和教授,他培养了数十位智慧交通领域的专家。此外,他拥有多项专利并发表过80多篇SCI/SSCI检索论文,同时担任多个智能交通期刊的副主编与编委。

刘向宏表示,滴滴在智慧交通领域的探索在全世界范围来说都极具开创性和前瞻性,而解决城市交通难题是很有挑战性的工作,加入滴滴将推动滴滴智慧信号灯乃至更多的智慧交通产品与服务在各地得到更广泛的应用,造福公众出行。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-