查看政策在不同版本之间的内容变化
| 上一个版本 (2025年09月23日 ) | 当前版本 (2025年11月14日) | ||
|---|---|---|---|
| 1 | 货拉拉算法推荐服务说明 | 1 | 货拉拉算法推荐服务说明 |
| 2 | 2 | ||
| 3 | 根据《互联网信息服务算法推荐管理规定》等相关法律法规，保障用户对货拉拉算法服务的知情权、告知用户算法的备案情况，货拉拉在此向用户进行算法公示如下。 | 3 | 根据《互联网信息服务算法推荐管理规定》等相关法律法规，保障用户对货拉拉算法服务的知情权、告知用户算法的备案情况，货拉拉在此向用户进行算法公示如下。 |
| 4 | 算法名称：货拉拉分播单算法 | 4 | 算法名称：货拉拉分播单算法 |
| 5 | 5 | ||
| 6 | 算法基本原理：货主发单后，订单进入待配对状态，并按以下流程进行播单和匹配计算。 | 6 | 算法基本原理：货主发单后，订单进入待配对状态，并按以下流程进行播单和匹配计算。 |
| 7 | 7 | ||
| 8 | 1）播单。以待配对订单装货地为中心，圈选周围符合订单要求（如车型、车厢）的司机。根据司机装货距离，由近及远向司机播送订单。司机收到订单提醒后自由选择是否抢单，一旦有司机抢单则停止播单。 | 8 | 1）播单。以待配对订单装货地为中心，圈选周围符合订单要求（如车型、车厢）的司机。根据司机装货距离，由近及远向司机播送订单。司机收到订单提醒后自由选择是否抢单，一旦有司机抢单则停止播单。 |
| 9 | 9 | ||
| 10 | 2）匹配。如果订单发单后一小段时间内，有多个司机选择抢单，进入多人PK；否则订单分配给第一个抢单的司机。多人PK发生时，根据装货地与司机的距离将订单分配给更近司机。 | 10 | 2）匹配。如果订单发单后一小段时间内，有多个司机选择抢单，进入多人PK；否则订单分配给第一个抢单的司机。多人PK发生时，根据装货地与司机的距离将订单分配给更近司机。 |
| 11 | 11 | ||
| 12 | 算法运行机制：先到先得，就近匹配原则。距离最近是货拉拉分播单最大的原则。有90%以上的订单会分配给距离装货地最近的抢单司机。有2种特殊场景应用特殊算法，场景一为多名司机所处区间与装货地距离相同，则在多人PK时，优先新人司机中单，其次优先行为分高的司机中单；场景二为用户跟车和搬家订单，基于减少安全隐患的考虑，优先装有车联网IoT设备“安心拉”的司机中单。以上特殊场景的订单占比低于10%。 | 12 | 算法运行机制：先到先得，就近匹配原则。距离最近是货拉拉分播单最大的原则。有90%以上的订单会分配给距离装货地最近的抢单司机。有2种特殊场景应用特殊算法，特殊场景中会结合行为分、管控机制等因素评估司机中单概率，场景一为多名司机所处区间与装货地距离相同，则在多人PK时，优先新人司机中单，其次优先行为分高的司机中单；场景二为用户跟车和搬家订单，基于减少安全隐患的考虑，优先装有车联网IoT设备“安心拉”的司机中单。以上特殊场景的订单占比低于10%。 |
| 13 | 13 | ||
| 14 | 算法应用场景：分播单算法的应用场景是在互联网货运产品（包括货拉拉App和微信、支付宝等渠道的小程序、货拉拉司机App）中，货主通过App或者小程序呼叫一个或多个品类的车型，平台通过算法实现订单的播单，将货主的订单信息发送给司机；在一个或多个司机抢单后通过算法生成匹配结果，将匹配结果返回给所有抢单司机，并将匹配接单的司机信息返回给货主。 | 14 | 算法应用场景：分播单算法的应用场景是在互联网货运产品（包括货拉拉App和微信、支付宝等渠道的小程序、货拉拉司机App）中，货主通过App或者小程序呼叫一个或多个品类的车型，平台通过算法实现订单的播单，将货主的订单信息发送给司机；在一个或多个司机抢单后通过算法生成匹配结果，将匹配结果返回给所有抢单司机，并将匹配接单的司机信息返回给货主。 |
| 15 | 15 | ||
| 16 | 算法目的意图：以货主和司机的体验优化为目标，为货主的订单分配最合适的司机，提供稳定的货运履约服务。 | 16 | 算法目的意图：以货主和司机的体验优化为目标，为货主的订单分配最合适的司机，提供稳定的货运履约服务。 |
| 17 | 17 | ||
| 18 | 备案编号：网信算备440304690089906250011号 | 18 | 备案编号：网信算备440304690089906250011号 |
| 19 | 算法名称：货拉拉邀约和客服大模型算法-1 | 19 | 算法名称：货拉拉邀约和客服大模型算法-1 |
| 20 | 20 | ||
| 21 | 算法基本原理：算法应用于对话生成场景，算法根据用户输入的文本，生成符合用户要求的文本回复，主要用于邀约和客服等业务场景下的对话生成。 算法集成了货拉拉自研邀约和客服大模型和检索增强技术。货拉拉自研邀约和客服大模型基于 Transformer 架构，重点在货运领域数据上进行了训练，以使其能够更好地处理货运领域问题，在此基础上，算法还引入了检索增强技术。对于在邀约和客服场景中用户输入的问题（prompt，文本），算法会自动进行分析并检索相关知识，基于相关知识重构 prompt，将重构后的prompt 输入货拉拉自研邀约和客服大模型，最终得到符合要求的回答（文本）。 | 21 | 算法基本原理：算法应用于对话生成场景，算法根据用户输入的文本，生成符合用户要求的文本回复，主要用于邀约和客服等业务场景下的对话生成。 算法集成了货拉拉自研邀约和客服大模型和检索增强技术。货拉拉自研邀约和客服大模型基于 Transformer 架构，重点在货运领域数据上进行了训练，以使其能够更好地处理货运领域问题，在此基础上，算法还引入了检索增强技术。对于在邀约和客服场景中用户输入的问题（prompt，文本），算法会自动进行分析并检索相关知识，基于相关知识重构 prompt，将重构后的prompt 输入货拉拉自研邀约和客服大模型，最终得到符合要求的回答（文本）。 |
| 22 | 22 | ||
| 23 | 算法运行机制：对于用户输入的问题（prompt），算法会自动判断是否需要进行检索增强。若需要检索增强，算法会检索问题相关知识，并基于相关知识重构 prompt，将重构后的 prompt 输入货拉拉自研邀约和客服大模型中；若不需要检索增强，直接将原 prompt 输入货拉拉自研邀约和客服大模型中。接收到 prompt 后，大模型会通过计算下一个 token 概率的方式，得到最合适的回答，在模型回答的基础上，基于内容审核策略, 对原始回答进行过滤, 最终反馈给用户。 | 23 | 算法运行机制：对于用户输入的问题（prompt），算法会自动判断是否需要进行检索增强。若需要检索增强，算法会检索问题相关知识，并基于相关知识重构 prompt，将重构后的 prompt 输入货拉拉自研邀约和客服大模型中；若不需要检索增强，直接将原 prompt 输入货拉拉自研邀约和客服大模型中。接收到 prompt 后，大模型会通过计算下一个 token 概率的方式，得到最合适的回答，在模型回答的基础上，基于内容审核策略, 对原始回答进行过滤, 最终反馈给用户。 |
| 24 | 24 | ||
| 25 | 算法应用场景：以API 的方式提供给货运行业相关企业使用。 | 25 | 算法应用场景：以API 的方式提供给货运行业相关企业使用。 |
| 26 | 26 | ||
| 27 | 算法目的意图：货拉拉邀约和客服大模型算法融入了大量货运领域知识，能很好地回答货运领域问题，如：货运行业概念知识、货运企业信息、货运行业洞察、货运法律政策等。在邀约和客服场景中，邀约和客服大模型能根据用户提出的问题，自动地生成回复的话术，解决用户的需求。 | 27 | 算法目的意图：货拉拉邀约和客服大模型算法融入了大量货运领域知识，能很好地回答货运领域问题，如：货运行业概念知识、货运企业信息、货运行业洞察、货运法律政策等。在邀约和客服场景中，邀约和客服大模型能根据用户提出的问题，自动地生成回复的话术，解决用户的需求。 |
| 28 | 28 | ||
| 29 | 备案编号：网信算备440304690089901240025号 | 29 | 备案编号：网信算备440304690089901240025号 |
| 30 | 算法名称：货拉拉货运大模型算法-1 | 30 | 算法名称：货拉拉货运大模型算法-1 |
| 31 | 31 | ||
| 32 | 算法基本原理：算法应用于对话生成场景，算法根据用户输入的文本，生成符合用户要求的文本回复，主要用于货运领域知识问答。 算法集成了货拉拉自研货运大模型和检索增强技术。货拉拉自研货运大模型基于 Transformer 架构，重点在货运领域数据上进行了训练，以使其能够更好地处理货运领域问题，在此基础上，算法还引入了检索增强技术。对于用户输入的问题（prompt，文本），算法会自动进行分析并检索相关知识，基于相关知识重构prompt，将重构后的 prompt 输入货拉拉自研货运大模型，最终得到高质量的回答（文本）。 | 32 | 算法基本原理：算法应用于对话生成场景，算法根据用户输入的文本，生成符合用户要求的文本回复，主要用于货运领域知识问答。 算法集成了货拉拉自研货运大模型和检索增强技术。货拉拉自研货运大模型基于 Transformer 架构，重点在货运领域数据上进行了训练，以使其能够更好地处理货运领域问题，在此基础上，算法还引入了检索增强技术。对于用户输入的问题（prompt，文本），算法会自动进行分析并检索相关知识，基于相关知识重构prompt，将重构后的 prompt 输入货拉拉自研货运大模型，最终得到高质量的回答（文本）。 |
| 33 | 33 | ||
| 34 | 算法运行机制：对于用户输入的问题（prompt），算法会自动判断是否需要进行检索增强。若需要检索增强，算法会检索问题相关知识，并基于相关知识重构 prompt，将重构后的 prompt 输入货拉拉自研货运大模型中；若不需要检索增强，直接将原 prompt 输入货拉拉自研货运大模型中。 接收到 prompt 后，货拉拉自研货运大模型会通过计算下一个token 概率的方式，得到最合适的回答，在模型回答的基础上，基于内容审核策略, 对原始回答进行过滤, 最终反馈给用户。 | 34 | 算法运行机制：对于用户输入的问题（prompt），算法会自动判断是否需要进行检索增强。若需要检索增强，算法会检索问题相关知识，并基于相关知识重构 prompt，将重构后的 prompt 输入货拉拉自研货运大模型中；若不需要检索增强，直接将原 prompt 输入货拉拉自研货运大模型中。 接收到 prompt 后，货拉拉自研货运大模型会通过计算下一个token 概率的方式，得到最合适的回答，在模型回答的基础上，基于内容审核策略, 对原始回答进行过滤, 最终反馈给用户。 |
| 35 | 35 | ||
| 36 | 算法应用场景：以API 的方式提供给货运行业相关企业使用。 | 36 | 算法应用场景：以API 的方式提供给货运行业相关企业使用。 |
| 37 | 37 | ||
| 38 | 算法目的意图：货拉拉货运大模型算法融入了大量货运领域知识，能很好地回答货运领域问题，如：货运行业概念知识、货运企业信息、货运行业洞察、货运法律政策等；另外，算法还可以用于通用场景的问答对话生成、写作辅助、代码编写等。 | 38 | 算法目的意图：货拉拉货运大模型算法融入了大量货运领域知识，能很好地回答货运领域问题，如：货运行业概念知识、货运企业信息、货运行业洞察、货运法律政策等；另外，算法还可以用于通用场景的问答对话生成、写作辅助、代码编写等。 |
| 39 | 39 | ||
| 40 | 备案编号：网信算备440304690089901240017号 | 40 | 备案编号：网信算备440304690089901240017号 |
| 41 | 算法名称：货拉拉搬家智能助手生成合成算法 | ||
| 42 | |||
| 43 | 算法基本原理：算法用于平台搬运服务问题咨询场景，旨在为用户提供下单问题咨询、搬运服务查找和订单问题处理等多轮对话服务。算法输入输出内容均为文本类型，通过 Transformer 模型对用户问题进行理解和交互回复，该模型对输入文本做意图分类和解析，经过预处理、意图识别、实体提取、知识库查询等步骤，由模型生成详尽的文本回复，此外模型利用自注意力机制深入理解用户需求，维护对话上下文以确保连贯性。 | ||
| 44 | |||
| 45 | 算法运行机制：货拉拉搬家智能助手服务算法通过对用户在聊天界面内输入的文本进行处理，对用户问题进行理解和意图识别，结合标准问题库和知识库，调用算法模型对用户问题生成回复内容，最终在聊天界面输出给用户。 | ||
| 46 | |||
| 47 | 算法应用场景：算法应用于搬家、货物搬运的业务场景下，当用户想了解下单及订单相关问题时，提高获得问题回复的效率和体验。 | ||
| 48 | |||
| 49 | 算法目的意图：通过算法模型，根据对用户的问题理解和识别，向用户提供专业且相关的内容和服务，提升用户体验。 | ||
| 50 | |||
| 51 | 备案编号：网信算备440304572782301250011号 | ||
| 41 | 52 | ||
| 42 | 若针对平台算法有相关的意见、建议，请发送至货拉拉算法向善委员会邮箱：suanfa@huolala.cn | 53 | 若针对平台算法有相关的意见、建议，请发送至货拉拉算法向善委员会邮箱：suanfa@huolala.cn |
| 43 | 54 | ||
| 44 | loading | 55 | loading |