在我國,“公車改革”最早始于1994年,曾被稱為“難啃的骨頭”,其中有一部分原因是,同一行政級別的不同崗位用車需求可能差別很大,另外不同地區(qū)的用車需求也不一樣,因此,“公車改革”在各個地方的效果也有明顯的差異。而現(xiàn)在,“公車改革”可以利用“互聯(lián)網(wǎng)+”的思維。
2016年上半年,江西上饒市與滴滴簽署戰(zhàn)略合作協(xié)議,由滴滴根據(jù)上饒市的公務出行需求,為上饒市提供“互聯(lián)網(wǎng)+政務用車”服務解決方案,這也是滴滴宣布提供公車解決方案以后,首次與地方政府合作。
從具體的落地形式來看,公務用車其實跟大家使用滴滴出行類似:在手機上安裝“滴滴政務版”APP客戶端之后,公務人員可以按照公務出行需求選擇相應的平臺提出用車申請,并通過設置權限進行審批后,駕駛員從APP司機端上接單,并按里程、時間計費,由單位統(tǒng)一結算。滴滴方面認為,這種模式既不耽誤公務出行,又通過減少公車及其人員配置降低了開支。
上饒市公務用車服務有限公司總經(jīng)理余清永曾接受媒體采訪時表示,上饒市重大應急調研接待用車平臺有74輛公車,市直機關綜合執(zhí)法用車平臺有51輛,市級一般公務用車平臺有100余輛。引用了滴滴政務版之后,司勤人員精簡到107人,隨著客戶端功能升級,人員還有可能精簡。據(jù)統(tǒng)計,車改后,上饒市直各單位公務用車節(jié)支率最高的超過33%,最低的也高于7%。
有業(yè)內專家分析認為,與大眾使用網(wǎng)約車不同,公務用車除了要考慮成本和效率,同時還要求監(jiān)管透明。在這方面,滴滴方面強調,平臺能夠追溯每一趟公務出行的用車時間和行車線路,使“事中監(jiān)管”、“事后審查”等有據(jù)可查,適合在更多地方的公務出行中使用。
目前,江西省正在逐步將互聯(lián)網(wǎng)化公車改革擴大到南昌等城市,而杭州所轄13個區(qū)縣的公務員也將通過滴滴實現(xiàn)“互聯(lián)網(wǎng)+公務出行”。
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)不同問題靈活調整內部專家配置。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量視頻,延遲僅0.76秒,質量漂移指標從傳統(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。