今早,无数打工人的全勤奖泡汤了。此次滴滴全面功能瘫痪持续近12个小时,是近年来滴滴瘫痪时间最长的一次故障。据统计以“崩了”的时长计算,估计会让滴滴损失千万的订单量和超4亿交易额。而系统故障的原因,有人说是滴滴系统半夜被攻击所致。从表现上看,打车、共享单车全挂,说明问题出在更底层的基础设施。对此有网友调侃,开“猿”截流,降本增“笑”。
“有意见”留言板
@不倒翁:据说,有司机“收入超690亿”,有派单到千里之外。互联网带来了便利,同时互联网也充满BUG。感觉最近互联网事故越来越频繁。会不会带来一个不好的循环,未来试用互联网成本会越来越高?
@贰言:尽管滴滴APP遇到了技术故障,但百度和高德等其他应用程序在数字地图和出行服务领域同样表现出色,这表明没有任何一个软件能够垄断市场。对于滴滴来说,这次事件是一个警钟,凸显出他们需要更加重视系统的设计和维护,并投入更多的资源来提升服务的稳定性和用户体验。
@我也崩了:侧面反映出滴滴出行的受众群体还是很广的,鼓励行业竞争,给用户提供更多更好的出行选择。对于我这个打工人来说,通勤我只选择站地铁!!
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。