没事，过几年你的认知会提高

【 在 hsv 的大作中提到: 】
: 哈哈，我也认为你是反例，就跟侯晓迪之流没任何区别。
--
FROM 111.167.232.*

理想今天直播端到端，翻车了几次，包括山路逆行。这就是端到端的水平，呵呵。

而且，端到端这东西，基本是炼金术，说不清楚何时行何时不行，说不清哪家的就比别家的更行，呵呵

【 在 hsv 的大作中提到: 】
: 呵呵，最新的长安已经在重庆测试自己的端到端了，等华为也端到端看你继续嘴硬吧。
--
FROM 111.167.232.*

螺旋前进，规控肯定没法实现自驾（一阶逻辑不完备，高阶逻辑无法保证一致这早已是常识），但是端到端也没法实现自驾，两者在未来肯定会重新融合，并且基本范式会有颠覆性变化，才可能实现智驾。

另外，从业界到学术界一窝蜂追热门的现象一直存在，区区十年之前，NN还是臭狗屎，连论文都很难发出来。河东河西各十年而已，但离自驾的目标，都还远，呵呵。

【 在 hsv 的大作中提到: 】
: 呵呵，你去推特上，waymo闯红灯各种投诉，这还是geofenced。
: 不懂数据分析也没关系，等着看潮流的涌现吧，两年后规控的会大规模转岗的。
--
FROM 111.167.232.*

没毛病，司机是第一责任人，这样对自己对他人都负责，那种鼓吹并大肆宣传一千公里零接管、开智驾闭眼睡觉的都是在害人

【 在 hsv 的大作中提到: 】
: 哪怕是L3，我也建议司机盯着路，视线离开路面别超过几秒，越是高速越要谨慎，毕竟市区一般比较堵、那点速度出啥事还好说。
--
FROM 39.148.22.*

这个还是能够解决的。

我也搞机器学习好些年了，上学时就做图像识别。人工智能起起伏伏的，每次都是曙光又都渐渐平静。但现在的预训练模型我认为实用性很高，大力出奇迹的给了一个新思路。规模可能是决定性因素。



【 在 talentcat @ [GreenAuto] 的大作中提到: 】
:
: 你这是被网文忽悠了
: 数据和训练根本解决不了这个问题，因为问题的本质是你无法高效的从一大堆样本中分辨出哪些是正样本哪些负样本而引起的corner case。而不是样本不够多
: 端到端回避这个问题的代价就是训练飘了，这个不是靠优化可以解的，无解
: 不优雅的办法就是强行在最后加规则，我猜这是理想接下来要做的事情


#发自zSMTH-v-@realme RMX3300
--
FROM 219.142.237.*