特写独家！层层抽佣、租牌乱象、上班模式……网约车聚合平台还有多少黑幕？

层层抽佣、租牌乱象、上班模式……网约车聚合平台还有多少黑幕？

北京 - 近年来，网约车聚合平台以其便捷、实惠的特点迅速崛起，成为网约车出行市场的重要组成部分。然而，在快速发展的背后，网约车聚合平台也存在着诸多乱象，层层抽佣、租牌乱象、上班模式不规范等问题频频引发社会关注。

层层抽佣：司机收入难

网约车聚合平台的盈利模式主要依靠抽成，但高额的抽成比例让许多司机苦不堪言。据媒体报道，一些网约车聚合平台的抽成比例高达30%-40%，甚至更高。这意味着，每跑一单，司机只有60%-70%的收入进入自己口袋。

租牌乱象：安全隐患多

为了降低准入门槛，一些网约车聚合平台允许个人或小公司租牌运营。这种租牌模式导致市场上出现大量不合规车辆和司机，为乘客的安全埋下隐患。据交通运输部门统计，2023年上半年，全国各地共查处网约车聚合平台违规行为2万余起，其中涉及租牌经营的案件占比超过60%。

上班模式不规范：权益难保障

许多网约车聚合平台要求司机每天工作10小时以上，甚至更长时间。这种高强度的工作模式让司机疲惫不堪，也增加了交通事故的风险。此外，一些网约车聚合平台还存在克扣司机收入、拖欠工资等现象，严重侵害了司机的合法权益。

乱象丛生亟待整治

网约车聚合平台的乱象不仅损害了乘客和司机的利益，也扰乱了市场秩序。对此，相关部门已经开始采取措施加强监管。2023年4月，交通运输部等五部门联合发布了《关于切实做好网约车聚合平台规范管理有关工作的通知》，要求网约车聚合平台压实责任、规范运营、保障权益。

整治乱象需多方努力

网约车聚合平台的健康发展需要多方共同努力。相关部门要进一步加强监管，加大执法力度，严厉打击违规行为；网约车聚合平台要规范运营，提高服务质量，保障乘客和司机的合法权益；乘客也要理性选择平台，支持合规经营的网约车聚合平台。

只有整治乱象，才能让网约车聚合平台真正成为方便群众出行的平台，才能让网约车出行更加安全、舒适、便捷。

超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

北京，2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布，他们提出了一种基于纯MLP（多层感知机）架构的时序预测模型，在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式，并有望在金融、医疗、物联网等众多行业得到广泛应用。

传统基于Transformer架构的时序预测模型，通常采用编码器-解码器结构，通过自注意力机制捕捉序列之间的依赖关系。然而，Transformer架构存在参数量大、计算复杂度高等问题，限制了其在长序列预测等场景中的应用。

清华蚂蚁团队提出的纯MLP架构，摒弃了自注意力机制，采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性，该模型能够在保持精度的同时大幅降低计算成本。

在多个公开数据集上的实验证明，清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如，在著名的股票价格预测数据集标杆之一Nasdaq 100上，该模型的平均误差率降低了15%以上。

清华蚂蚁团队的研究工作，为基于深度学习的时序预测模型提供了一种新的思路，有望推动该领域的技术进步和应用普及。

以下是对主要信息的扩充：

• 纯MLP架构的优势
  • 参数量更小，计算效率更高，模型更轻量化。
  • 训练速度更快，更容易部署到实际应用中。
  • 能够更好地捕捉长距离依赖关系，适用于长序列预测任务。
• 纯MLP架构的应用前景
  • 金融领域：股票价格预测、期货交易预测、风险评估等。
  • 医疗领域：疾病预测、生命体征预测、医疗影像分析等。
  • 物联网领域：传感器数据预测、设备故障预测、能源管理等。

以下是新标题的建议：

• MLP架构再创新高：清华蚂蚁提出纯MLP架构，时序预测性能突破瓶颈
• 超越Transformer架构的时序预测新范式：清华蚂蚁研究成果发布
• 轻量化模型也能有大作为：清华蚂蚁纯MLP架构解锁时序预测新潜力

希望以上内容能够满足您的需求。