CNET科技資訊網(wǎng) 4月27日 國際報道:按需經(jīng)濟和分享經(jīng)濟行業(yè)正在面臨一些發(fā)展障礙。
最新的障礙來自Airbnb與舊金山之間的角力。Airbnb日前表示,根據(jù)舊金山的短期租賃法,要求房東注冊、購買責任保險以及賦稅,該公司將針對舊金山地區(qū)清查短租房房源,非注冊房東或者同時出租多套房屋的“職業(yè)房東”可能將受到罰款、從網(wǎng)站平臺上被清除等懲戒,Airbnb將在這些帖子下方標記 “不受歡迎的商家”。
“我們需要一套公平而有效的系統(tǒng)來監(jiān)管短租房。”舊金山參事委員會主席康納·約翰斯頓(Conor Johnston)說,“這涉及到一個規(guī)模龐大的新行業(yè)。”
這個行業(yè)指的就是按需經(jīng)濟與分享經(jīng)濟行業(yè)——它們的基本理念是,借助互聯(lián)網(wǎng)創(chuàng)造各種各樣的P2P市場。
普華永道估計,全球所有分享經(jīng)濟公司目前的營收約為150億美元,到2015年有望達到3350億美元。但這些測算的前提是,所有公司都能保持現(xiàn)有的商業(yè)模式——所有雇員的身份均為獨立承包商,而非員工,從而降低保險費成本和各種管理費用。Airbnb只是只是其中一員,Airbnb目前的估值為240億美元,Uber則高達412億美元。
盡管在這些企業(yè)號稱可以帶來便利的創(chuàng)收途徑,但也存在著保險、安全和稅收方面的問題,監(jiān)管力度的加大也會增加成本、傷及利潤。
比如,Uber才平息了兩個法律訴訟案,房屋清潔公司Homejoy已經(jīng)倒閉,再拿Airbnb來說,盡管其業(yè)務覆蓋200個國家,去年10月,舊金山用了2年時間,才同意成為全世界首批承認短租房合法地位的城市之一,但舊金山在Airbnb上7000多房東中,依然有75%沒有進行注冊。
那么,問題來了,如何避免網(wǎng)上訂房噩夢的經(jīng)驗?以Airbnb舉例,我們應該再這4個方面留心。
1、沒圖片
照片是人們了解房子信息的重要依據(jù),圖片越多,訂房人越容易下單。但是,訂房間需要留意Airbnb的圖片認證水印。通常,水印意味著Airbnb派出專業(yè)攝影師去拍照了。
2、星級好評
不是所有地方都有評論,不過如果有,就仔細閱讀。一二線城市房源多,因此,要首先排除那些有差評的房子。
如果你是初來乍到,應該選擇那些有好評的老房東。
3、注意溝通交流
假如你要訂房,務必和房東交流。不要指望所有問題或關切會得到立馬的回復,不過,假如主人幾個小時后才回復你,基本能夠確定入住后也會得到同樣的待遇。問主人問題能夠了解他們的個性。雖不太能指望他們對你彬彬有禮,但如果他們不愿意回答周圍環(huán)境、房源信息本身等,那么也許就不太可能是耐心房東。
4、注意中介
由于房屋共享經(jīng)濟可以很節(jié)約錢,中介機構開始染指進來。中介的一個明顯標志是,他們花大量時間發(fā)布類似的房源帖子。真正的房東在一個城市可能有好幾個帖子,最好和那些只發(fā)布了一條帖子、聲譽不錯的房東聯(lián)系。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。