名为奖励、实为门槛？跑单奖励让骑手陷入不停接单困局******

　　看似“跳一跳就能够着”，实则掉进“连环套”

　　跑单奖励让骑手陷入不停接单困局

　　专家建议，平台算法设计应更人性化，保障骑手身心健康

　　本报北京2月2日电(记者刘小燕)晚上10点，阿峰送完了最后一单外卖。回家打开软件后，他看到了上月跑单收入的最终数据：1月共收入15401.36元，其中活动奖励收入3342.6元，占比近22%。

　　春节前后，多名外卖骑手向记者反映，跑单数量越多，获得活动奖励的机会越大，赚取的奖励金额也越高。但名为奖励、实为门槛的设置，也使骑手陷入不停接单的劳动困局，甚至产生安全隐患。

　　“平台的活动每个月都不一样，但都是需要完成不同门槛的配送任务才有奖励，总之就是要多跑单。”据阿峰介绍，他1月31日参加了早中晚三个时段的“跑单礼”活动。按活动规则，阿峰在9点~15点跑单，完成9单奖励21元，完成21单奖励59元，完成27单奖励87元，完成33单奖励126元。为得到最高奖励，阿峰在该时段跑满了33单获得了126元，但此时他已经7个小时没吃饭了。

　　由于完成任务量按接单时间计算，有骑手为了接够活动时间段内的单量，还会冒险接单。“有时时间快截止了，单量还没满足奖励门槛，有的骑手就会一边骑车一边刷手机接单。”阿峰说，还有骑手尽管电瓶车电量快耗尽了，也要先接单，就是为了凑够单量，但这样会引发道路危险。

　　实打实的奖励数字，对骑手而言是有效的激励，却也给他们带来苦恼：一旦某段时间跑单量下降，不仅影响当时收入，还会对后续收入产生影响。在参加工作日“午高峰收入加速”活动时，阿峰的每单奖励有时为1.2元，有时却只有1元。“如果上周送单少，骑手等级就会下降，奖励也就下降了。”阿峰解释说，想要维持高等级，多接单、多送单就少不了。

　　中国青少年研究中心青年发展研究所副所长郭元凯认为，平台推行的跑单奖励活动是一种用工管理手段，但并非可持续的方式。这种额外激励，很容易诱导骑手产生“跳一跳就能够着”的挑战心理，这就无形中延长了骑手的劳动时间，长时间高强度的工作，增加了骑手身心健康的风险。

　　阿峰也坦言，跑单奖励活动更像是一串甜蜜的“陷阱”：“就像一个连环套，跑够了第二档奖励，就想着再够上第三档奖励，慢慢就越接越多。全部都想拿最高奖励的话，一天得跑20个小时，一天三顿饭都没法准点吃。”

　　“不可否认，跑单奖励活动对于增加骑手收入、激发其工作积极性具有积极影响，但骑手应根据身体情况选择合适的工作量，不要把获奖励看作是必须完成的任务。”郭元凯建议，平台应将算法设计得更加人性化，保障骑手的身心健康。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟