6月23日消息 三天的端午小長假剛剛過去。根據(jù)各家在線旅游網(wǎng)站的出游盤點報告顯示,由于端午節(jié)、父親節(jié)、畢業(yè)游等多個主題的疊加,今年端午節(jié)旅游市場比往年更為火爆,其中短線游最受歡迎。
而在出游人群上,“90后”在端午出游中扮演了重要角色。旅游網(wǎng)站數(shù)據(jù)顯示,端午節(jié)出游人群中“90后”占比快速提高達到近三成,與去年同期的15%相比幾乎翻倍。
旅游預訂轉戰(zhàn)互聯(lián)網(wǎng)
端午節(jié)前,傳來印尼等多個國家免簽的消息,使出境游尤為熱門,日本、泰國、香港名列出境目的地前三名。簽證放寬、日元匯率下跌、赴日本郵輪免簽,和最近韓國郵輪航線改道日本等因素,使日本首次超過韓國,成為最熱門出境游目的地。
而從出行方式上看,國內(nèi)跟團游仍然是主流,占比超過一半。由于端午和父親節(jié)重合,并且高考剛剛結束,很多年輕人在網(wǎng)上為父母報團送孝心,也有很多父母帶考試結束的孩子,旅游放松。端午小長假,“爸媽放心游”和“親子游”兩大類型的跟團游最熱門。
在預定方式上,根據(jù)各家在線旅游網(wǎng)站的反饋,旅游網(wǎng)站在手機端大規(guī)模的促銷投入,使中國消費者更習慣通過手機預訂旅游產(chǎn)品,手機預訂支付增長迅速。
根據(jù)攜程數(shù)據(jù)顯示,今年端午節(jié)期間通過手機預訂支付跟團游、自由行的游客同比增長超過300%,即使十幾萬元的出境游訂單,也有通過手機支付。
同程旅游報告中的數(shù)據(jù)也顯示,在端午小長假預訂渠道選擇上,在線預訂的訂單近8成(79.9%)來自無線客戶端(含手機客戶端和其他移動客戶端),無線客戶端已成為游客出游主流的預訂渠道,其次為官網(wǎng)和400電話預訂。
年輕游客占比提升
根據(jù)同程旅游的報告數(shù)據(jù)顯示,在出游形式的選擇上,超過9成游客選擇自助游、半自助游的形式出游,自助游占比進一步上漲,呈現(xiàn)出游客對出游行程自由度、個性化的需求特征。
報告分析,自助游的增長得益于80后、90后日漸成為出游主力,他們在今年端午小長假的出游人群中占到75%的比例。相較于中老年人群,他們擁有更為豐富的旅游經(jīng)驗,可以熟練使用互聯(lián)網(wǎng)獲得出游攻略和資訊,有能力獨立完成出游的行程安排。
值得一提的是,端午節(jié)出游人群中90后占比獲得了快速提高,達到近3成比例,同比去年的15%幾乎是翻倍增長。因畢業(yè)季的到來,90后在端午出游中所扮演的重要角色,也使其在暑期旅游市場的推動中成為不可忽視的群體。
途牛旅游網(wǎng)監(jiān)測數(shù)據(jù)顯示,預訂端午團期的消費者,以40歲左右的父母帶著準大學生們出游為主,其中10-20歲群體的預訂出游人次超過10%,比例明顯高于平時。
攜程數(shù)據(jù)也顯示,五一出游的人群結構比其他節(jié)令更加年輕化。80后、90后、00后占比超過60%。90后也隨著畢業(yè)進入社會,出行意愿增強,正成為新興人群,快速增長。調(diào)查顯示,最受80后喜愛的國內(nèi)目的地是首爾和三亞。而90后最親睞的是曼谷和廈門。70后、60后、50后最親睞的則是臺北、九寨溝、三亞。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。