ZDNET网络频道 02月12日 综合消息:一幕幕浩浩荡荡的出租车罢工场景再现,也使得出租车这个行业再次站在了风口浪尖。当然这次事件的起因可以说是各种“专车”的出现,其中有“马云集团”领导的一号专车、有“马化腾集团”领导的滴滴专车、也有神州租车旗下的神州专车等等,专车市场一时间好不热闹。
关于专车是否合法,仁者见仁智者见智,我们不去探讨,因为我们的讨论几乎起不到任何作用,出租车这个行业斗争了几十年还是现在这个样子,只能说明这块蛋糕太大,既得利益集团是不可能轻易放手的。不过大多数的省市政府已经下文明确态度,没有运营资格的个体,也就是说私家车拉活违法。
抛开这些严肃的话题,我们今天来聊聊专车的体验究竟怎样?不可否认,互联网改变了我们的生活,以前需要在路口盯着烈日迎着风雪的日子现在一去不复返,你只需要点点手机,车就会到你楼下等你,这样的日子确实很惬意。笔者最近也分别体验了一下最主流的三大专车“一号专车”、“滴滴专车”和“神州专车”。如果对乘车体验排个先后名词,神州>滴滴>一号,准确地讲本人并没有乘坐一号专车,因为被它惊着了,这点后边再讲,下面分别聊聊具体经过。
第一次乘坐神州专车,手机预约、成功接单、来电确认、车辆到达、上车出发、到达目的地、下车。注意观察的读者可能会发现,这其中笔者并没有提到付钱这事,真的不用掏钱吗?当然不是,只不过不用马上付钱,绑定信用卡后,在一定期限内付款就可以。
实话说,体验完该车,瞬间觉得自己也高大上了,在司机开门请下车的那一瞬间,我还在等待网络付款,而司机说了一句,“不用马上付,回头付也可以”。
说完神州,再讲讲滴滴。第一次乘坐滴滴专车,手机预约、成功接单、来电确认、车辆到达、上车出发、到达目的地、微信支付、下车。与神州所不同的是需要当时付钱,笔者当时选择的是微信支付,当然你也可以绑定信用卡。要说与神州专车的区别在哪,一是付钱,二是滴滴专车司机的接单积极性不高,短途不愿意跑。
下面高潮来了,讲讲预约一号专车的奇葩经历。手机预约,然后被告知要先充50块钱,算是保证金,然后笔者考虑绑定信用卡,按着“神州专车”和“滴滴专车”的经验,我想绑定信用卡就不用充钱了吧?大家猜猜结果,绑定信用卡这一操作竟然还要消费一块钱,NM啊,一号专车想钱想疯了吗?这还不是最奇葩的,我心想1块就1块吧,结果要支付的时候显示要充值50.8元,这NM是什么逻辑,还要充50块钱?而且1块钱还要扣掉2毛钱手续费?算了,因为这样的奇葩经历,笔者不得已放弃了体验一号专车。
也不知道马云集团没顾上管这事,还是怎么的,支付宝弄得风生水起,结果自家的一号专车不与支付宝绑定,想消费先充值,作为支付宝的忠实用户,想想也是醉了。
简单总结一下体验三家专车的经历,总的来说神州的体验最好,公司性质,不容易发生距离短不愿接活的情况。其次是滴滴专车,对接微信且与滴滴打车同一APP,使用方便。一号专车这朵奇葩就不提了,希望马云能够关怀一下这个小微企业,估计是太穷了才能想出先充钱再上车的招数,而且据网友反映,每次乘车都需要账户有50块钱以上,在这个使用信用卡的时代,一号专车你们是咋想的呢?
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。