至顶网CIO与应用频道 08月11日 北京消息:“去年一年代驾行业减少了350万起因醉酒驾驶引发的交通事故,使得83万人免受刑法制裁,减少财产损失462亿元。”
近日,由滴滴出行主办的 “创新与责任助力可持续发展研讨会”在北京举行,会上清华大学法学院公法研究中心研究团队对外发布了业内首份《代驾行业发展白皮书》。
从此次发布的代驾行业白皮书中显示,经历了十多年的缓慢初创期,如今代驾行业在服务需求和市场规模等方面增长迅速。2016年,全国代驾行业的订单总量超过2.53亿单,总产值达154亿元。酒后代驾仍是代驾行业最大的使用场景,占比为97.8%,其次是工作劳累、商务接送等场景需求。
在此前的两年间,滴滴代驾同警方在51个城市共开展了包括司机安全驾驶、倡导避免酒驾等100多场活动。上个月,“滴禹·星程”热力图已被包括南京、武汉、青岛、广州等在内的全国12城交警,运用到日常治理酒驾的工作当中。
借助该系统,交警可根据起终点热力图,在饮酒消费人群密集区域,有针对性安排预防酒驾的宣传活动。同时,热门路段也能清晰展示,交警可据此在重点地点、路段布置警力,更合理地安排稽查工作。
此外,为了提高司乘与平台的安全保障水平,“滴滴护航”也于近日上线,并率先运用到代驾业务线。该系统是滴滴平台自主研发的安全产品。综合分析手机传感器、陀螺仪、GPS等信息,“滴滴护航”从疲劳驾驶、超速、急加速、急转弯、急刹车、分心驾驶等六大维度检测司机的驾驶行为。
“我们不用再像以前那样找认识的代驾师傅,现在很多城市都有了可信赖、稳定的代驾服务。”滴滴出行创始人、董事长兼CEO程维说,在过去的5年时间中,全球交通行业因为互联网的出现发生了天翻复地的变化。在滴滴出行刚成立时,程维听到最多是“赶英超美”的字眼,而现在如何实现智能城市、智能交通,程维说滴滴出行已经走在了世界的前沿。
而对于接下来的计划,程维介绍滴滴出行希望在安全体系里持续的投入,让酒驾管理、交通安全管理能再上一个台阶,并成为世界范围内安全治理的标杆企业。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。