ZD至顶网CIO与应用频道 01月13日 北京消息:1月12日,北京东三环的多功能生活中心,在滴滴出行与财新传媒联合主办的“2017大数据与智慧城市论坛”上,滴滴出行高级副总裁兼工程技术委员会主席章文嵩透露,智慧交通综合解决方案已在多个城市落地。
滴滴出行高级副总裁章文嵩
在此次论坛上,章文嵩代表滴滴出行发表了“滴滴大数据与智慧交通”的主题演讲,详细介绍了滴滴出行在大数据领域的世界级挑战与“互联网+交通”切入点。
“超过2000万日峰值订单量、每日70TB定位轨迹数据和2000TB处理数据。”作为资深技术专家的章文嵩公布了滴滴近期的数据规模。他表示,“滴滴通过自身数据分析,不仅可以为公众提供全国最实时的路况,而且通过分析用户行为、司机驾驶行为与车辆数据等多个维度,实现精准的供需预测与路径规划。”
章文嵩介绍,挖掘海量司乘轨迹大数据,结合先进的人工智能算法,可以实时给出最优路径规划,降低人们出行时间成本。目前滴滴热力图可以动态预测未来15分钟的需求,提前引导司机开往需求密集区域,提升司机每小时成单量和乘客用户体验。
同样,大数据支撑的高效运力调度,不仅确保每一个需求都能被最大程度满足,而且进一步促成了智能拼车系统的运转。而滴滴依托平台海量数据,设置和优化虚拟站点,帮助拼车服务达到极致体验和拼车效率。
滴滴大数据在打车产品上的应用,在提升司机服务水平上更是开启了开创式的革新。2016年9月,滴滴宣布在全国百城上线服务信用体系,而该体系便是利用大数据识别和引导优秀的司机服务,提升司机收入水平。对此,章文嵩还表示,滴滴司机的“矩阵式服务分体系”上线后,优质司机的比重明显提升,服务评分高的司机收入更高。
除了打车效率的提升,滴滴智慧交通云还积极推动“互联网+交通”实施。过去一年,滴滴已经与多个地方政府合建交通大数据平台,实现了政企数据无缝对接。 目前滴滴数据支持的济南、贵阳等城市实时路况系统已经落地。据了解,未来双方还将通过滴滴智能交通云实现路网优化、信号灯智能控制,这将对整个城市的公共交通产生重要价值。
在接下来的分论坛上,章文嵩还与链家副总裁闫觅,饿了么副总裁郭光东等o2o业内精英就大数据应用展开讨论。
章文嵩表示,滴滴利用大数据技术不断提升出行体验。“我们对数据的应用体现在方方面面,比如挖掘出推荐上车点,猜你想去哪儿,做路况预测、路径规划、ETA计算和供需预测等,而智能调度是最为复杂的问题,这些优化目标是不断降低接驾时间,提高司机的效率和收入。”
谈到如何解决交通拥堵问题,他认为,“更多新能源的车对交通将更好,另外有效利用空置座位,提高车辆的使用效率,减少路上车辆,对治堵治霾都有极大作用。 ”
章文嵩还透露:“滴滴在武汉、济南和贵阳等城市与交管局合作,共建交通大数据云,将在上面做各式各样的应用。相信中国在这方面会做得很好,我们拥有更多的数据,中国的交通有很大优化空间。”
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。