其他

物理AI系统的评估是最难的问题:每次调试新的FSD版本都要撞车测试吗?

原文标题:Evaluation is the hardest problem for physical AI systems: do you crash test cars every time you deb...

AI 摘要

物理AI评估无法靠实车碰撞测试完成,传统游戏引擎(sim 1.0)也难以覆盖所有边缘情况。基于神经网络的sim 2.0由数据驱动,随车队规模扩展。Tesla已应用多年,用于生成近正面碰撞等罕见危险场景的训练数据,补充800万辆实车难以采集的极端案例。

关键信息

  • 物理AI评估无法靠实车碰撞测试完成,传统游戏引擎(sim 1.
  • 0)也难以覆盖所有边缘情况。
  • 基于神经网络的sim 2.
  • 0由数据驱动,随车队规模扩展。
  • Tesla已应用多年,用于生成近正面碰撞等罕见危险场景的训练数据,补充800万辆实车难以采集的极端案例

速览

发布时间
更新时间
来源
X:Jim Fan (@DrJimFan)
分类
其他
阅读原文 前往信息源阅读完整正文
推荐理由

Jim Fan 指出物理 AI 评估难题,提出神经网络驱动的 Sim 2.0 数据飞轮方案

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:物理AI系统的评估是最难的问题:每次调试新的FSD版本都要撞车测试吗?。2025年8月5日。https://new.nat6.net/news/cmnw1ysuy00zyslc3gnczfvgc/

查看全部 →
  • 通过特征交互追踪注意力计算

    研究团队提出“QK归因”方法,将Transformer注意力头的关注模式解释为查询侧与键侧特征激活的双线性函数,并将其整合至原有的归因图中,从而弥补了原有方法忽略注意力计算关键信息的缺陷。案例研究验证了此前在归纳提示、反义词任务等场景中假…

    Anthropic:Transformer Circuits(可解释性研究)其他AI 评分 76

  • 智谱发布 GLM-4.5 系列模型并原生支持 SGLang

    智谱发布旗舰模型 GLM-4.5(355B/32B 激活)与 GLM-4.5-Air(106B/12B 激活),含 FP8 量化版本,即日起原生支持 SGLang 框架。采用 MoE 架构与 128k 上下文,在 12 项基准测试中分列第…

    LMSYS Blog其他

  • 我们的新 @OpenAI 开放模型

    OpenAI 发布两款新的开放模型(open models),官方推文称"Both of them"已上线,详见 openai.com/open-models。

    X:Noam Brown (@polynoamial)其他

  • 机器人领域的小型 Moravec's paradox:对人类困难的体操动作反而更容易

    机器人领域存在"莫拉维克悖论":后空翻等杂技比做饭、清洁更容易实现。前者可在模拟中训练并零样本迁移,无需感知环境;后者需要真实的视觉、接触物理和物体动力学,难以模拟。这导致外界困惑——机器人能炫技却做不好家务,只因通用灵巧性仍是未解难题。

    X:Jim Fan (@DrJimFan)其他