研究提出多阶段上下文优化改进网约车调度
热点事件持续更新
研究提出多阶段上下文优化改进网约车调度
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Jinyu Zhang 等作者提交论文,提出多阶段上下文优化方法:用决策表现训练预测模型,并推导出包含三部分的精确梯度,配合伴随反向传播避免求解完整雅可比矩阵。 在纽约市网约车数据上,该方法比用均方误差训练的同一预测器多带来 7.7% 至 9.1% 的业务收益,优于五个范式的所有对比基线,甚至超过将真实需求喂给同一策略的效果。作者还提出八核并行块评估,称将训练时间缩短 1.86 倍且不损失决策表现。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
多阶段上下文优化用于网约车车辆调度报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AI多阶段上下文优化用于网约车车辆调度
研究提出多阶段上下文优化方法,用决策表现训练预测模型,并推导出包含三部分的精确梯度,配合伴随反向传播避免求解完整雅可比矩阵。在纽约市网约车数据上,该方法比用均方误差训练的同一预测器多带来 7.7% 至 9.1% 的业务收益,优于五个范式的所有对比基线,甚至超过将真实需求喂给同一策略的效果。八核并行块评估将训练时间缩短 1.86 倍且不损失决策表现。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。