伴随着小鹏与问界AEB系统争论的不断发酵,7日晚某知名汽车网站直播了一场黑夜环境下对问界M5和小鹏G6的AEB对静态假车识别测试。
测试中,小鹏G6在30km/h的测试速度下完全没有反应,直接撞上了假车;问界M5 EV从30km/h到80km/h都成功地刹停。以真实的测试结果,强有力地终结了AEB到底有没有用的激烈争论。
“有意见”留言板
@嘀嘀学生卡:AEB并不是解决所有问题的万能钥匙,有没有AEB也不是判定一辆车好不好的唯一标准。不过,汽车行业大佬开始就AEB这一关乎安全的功能展开讨论,把这个话题拉到一个新高度,倒也是件好事。
@老董:小鹏与问界的碰撞,可以看成概念与产品的一次交锋。追捧一个概念不难,但把概念变成真正成熟的产品,就需要长期且持久的技术投入。有些概念厂商缺乏这样的技术投入,那创造出来的,就只能是一个虚有其表的空壳子,所以是骡子是马还是要拉出来遛遛。
@卷王:这是个卷的时代,AEB能不能大卖谁也不知道,但AEB绝对可以成为卷对手的一个新维度。今天的产品竞争就是我虽然不能全面超越,但我能开拓一个细分品类,在这个品类里我能超越就可能做出爆款就是赢家。
@没有意义:AEB说白了就是一种预防性的主动安全技术,是作为ADAS的一项应用而开发的。要不先公开回答下技术问题,再来说好不好行不?面对恶劣环境造成的过压欠压怎么做的?误触发率问题解决了吗?要是非从大趋势说,车路、车城协同吧。一直没明白这一层意义是啥?有车城,你得先有车路、自动驾驶,但要实现车路、自动驾驶,你又得从整个城市模型做规划。有什么可吵的?先有鸡还是先有蛋?
@媒体搬运工:我的汽车默认打开了AEB,出现过几次误刹车。汽车的安全功能有时就是心理安慰,最终还是靠脚刹车。
好文章,需要你的鼓励
字节跳动Seed团队提出的虚拟宽度网络(VWN)通过解耦嵌入宽度与主干宽度,在几乎不增加计算成本的情况下显著提升模型表示能力。8倍虚拟宽度扩展使训练效率提升2.5-3.5倍,且发现虚拟宽度因子与损失呈对数线性关系,为大模型效率优化开辟新维度。
亚马逊研究团队通过测试15个AI模型发现,当AI助手记住用户背景信息时,会对相同情感情况产生不同理解,称为"个性化陷阱"。优势社会地位用户获得更准确的情感解释,而弱势群体接受质量较低的理解。这种系统性偏见可能在心理健康、教育等领域放大社会不平等,提醒我们需要在追求AI个性化的同时确保算法公平性。
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
微软等机构联合研发了DOCREWARD文档奖励模型,专门评估文档的结构布局和视觉风格专业度。该模型基于包含11.7万对文档的大规模数据集训练,在人类偏好准确性测试中超越GPT-5达19.4个百分点。研究解决了现有AI工作流忽视文档视觉呈现的问题,为智能文档生成和专业化排版提供了新的技术方案。