Uber承认已经使用人工智能来根据客户的支付意愿向他们收取费用。据彭博社报道,Uber公司表示,基于人工智能和新算法系统能够根据目的地、时间和位置来估算客户群愿意支付的费率。
过去,你的费用是依据里程、时间和地理需求计算出来的。然而,新的“基于路线的定价”系统利用机器学习技术,参考很多社会学因素调整定价。
新系统目前在14个城市开展业务。如这份出版物所指出的,例如,如果有乘客预定从一个富裕地区乘车去另一个富裕地区,他被要求的费用可能会高于另一个前往不那么富裕地区的乘客——无论距离长短、里程数或需要出行的时间。
此外,尽管调整的价格可能会上涨,但这并不意味着驾驶员会看到收入的上涨。
这个问题来自于Uber所说的“前期定价”,它保证客户在预订之前获得固定的票价。乘客知道他们预计要支付多少钱,但驾驶员们却表示他们还没有看到人工智能系统产生的调高价格产生的额外补偿。
在一份声明中,Uber一位发言人表示,路线的定价不一样,“这是根据我们对驾驶员的理解”进行的选择,所以我们可以在更多的地方为更多的人提供他们能够负担的起的价格。
该发言人补充表示:“乘客一直是在乘车之前就知道行程的费用,驾驶员将会以完全透明的方式获得工作,他们会知道乘客为每次搭车支付的费用以及Uber在每次出行中挣多少钱。”
Uber的产品总监Daniel Graf表示,这个人工智能系统是去年首次推出试用的。
可能基于算法的定价可以帮助Uber在面对不仅是传统的出租车公司,而且在面对诸如Lyft之类竞争对手公司时保持领先。
Uber在驾驶员的工资和客户支付的费用之间留下了额外的金额,Graf称之为创造“可持续”业务的方式,这位高管认为这有可能是有朝一日弥合盈利能力和银行余额赤字之间的差异的途径。
为了减轻驾驶员的疑虑,Uber计划报告乘客为每次乘车支付的价格,更新的服务协议将规定新系统的结构。
Uber表示,上述资金用于支付驾驶员奖金,并在整个系统中投入更多的资金,但还有待观察的是,由数据分析驱动的票价模式是否会疏远驾驶员。
据相关消息,在过去一年中,Uber和Google拥有的Waymo已经卷入与Uber的自驾车项目前任主管——即前任Google工程师Anthony Levandowski——盗用商业秘密的法律纠纷中。
这位高管现在已经离开了管理岗位,但拒绝否认或承认窃取与Google的LiDAR传感器和映射技术有关的文件。
为了摆脱这件事情,Uber要求Levandowski要么返还据称被盗的文件,要么就正式否认盗窃——否则就会失去他的工作。
更新时间——格林尼治标准时间17:44 :更新后变得更为清晰。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。