ZD至顶网软件频道消息: 10月20日—22日,全球软件开发大会在上海召开。来自全球的互联网科技公司和数百位海内外权威技术人员全方位解读了业界最新技术发展趋势。高德开放平台高级产品经理杨巍、资深研发经理朴春植、技术专家刘魁(骏征)受邀参加了本次大会并发表演讲,以摩拜单车和ofo等共享经济行业企业为例,阐述了高德开放平台为其提供的多种不同服务。同时杨巍宣布,目前出行市场已有85%的应用在采用高德开放平台的位置、地图、导航等服务。
杨巍表示,随着我国互联网产业的快速发展,现在移动互联网已经渗透到每个人的生活当中,特别是在出行领域已经掀起了巨大的变革。越来越多的人选择共享出行,如打车、专车、共享单车等,同时越来越多比例的企业和用户也在使用高德地图等移动互联网工具以辅助出行。近期火热的摩拜单车、ofo、骑迹、轻客智慧等共享单车正是使用高德开放平台服务,全面解决了用户短途出行所遇到的问题。
据介绍,高德开放平台为摩拜、ofo等共享单车企业在出行的主要环节中提供了各类位置及导航等。首先,用户出发找车时,高德开放平台就提供了精准的融合定位功能,帮助共享单车app确定使用者当前的精准位置;同时通过不同的数据筛选方式,为用户展示共享单车的车辆位置,提供步行路线规划接口,并结合室内外导航,为用户指引最佳找车和行车路线;此外,高德开放平台还将通过骑行路线规划,为用户提供预估路程、时间等服务,并通过骑行导航为用户提供最佳的骑行路线,进而帮助用户提高出行效率。
作为专业的地图数据生产商,高德开放平台与共享单车在结合实践中,拥有数据方面得天独厚的深度服务优势。首先,高德开放平台能够根据收集的用户骑行数据,通过专业的数据处理方法,为共享单车提供轨迹纠偏服务,提供真实的骑行距离,并进行算路补偿绘制完整的用户骑行轨迹;同时,在共享单车服务区域限制方面,高德开放平台精准的数据处理能力已达到了不规则的地理围栏的水平,能够发挥地理围栏预警能力,提醒用户在骑行中可能遇到的服务区域限制。并在停车服务上通过颗粒度较小的小区域地理围栏,协助监控单车的位置,保证单车的充分流通。在共享单车的使用中,无论是轨迹纠偏、计算真实骑行距离、算路补偿,以及不规则的地理围栏或者是小区域地理围栏,高德开放平台都能够以精准的地图数据、以及强大的数据处理能力,为共享单车的用户和服务商打下了坚实的使用和服务基础。
据杨巍介绍称,LBS开放平台的本质是向开发者提供地图厂商的地图数据和相关技术能力,所以各地图开放平台间的比拼就是地图厂商专业能力的比拼。经过14年的不断积累,高德地图不仅是国内最专业的地图数据生产商,还具有最优秀的在线、离线地图引擎,能够同时覆盖应用、云端服务、软件、数据等产业全链条,是市场上唯一同时具备完整产品和数据能力的互联网地图企业。
作为国内极少数拥有自采队伍的地图厂商,目前高德地图已经拥有650万公里导航数据、5700多万POI信息、400多种道路属性信息、超200万公里、360个城市实时路况以及超7500平方公里三维模型数据,是专业的地图数据生产商。
目前除摩拜单车和ofo等共享单车外,高德开放平台还为包括滴滴出行、易到、曹操专车等在内的国内85%车行App提供地图、导航和路径规划服务;为包括微博、陌陌、Blued等在内80%的主流社交应用提供精准定位及位置服务功能;同时也为市场中包括美团、饿了么等在内超过60%的外卖APP提供地图和定位服务。据高德方面提供的数据显示,现在国内超过30万款移动应用均采用了高德开放平台的位置服务,在先进的数据融合技术和海量的数据处理能力的基础上,高德开放平台服务日均处理定位请求及路径规划次数达数百亿次。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。