谷歌无人驾驶汽车测试:6年发生11起交通事故
5月12日消息,谷歌周一披露信息称,自该公司6年前开始测试其无人驾驶技术以来,这种汽车已经造成了11起轻微事故。
在谷歌发布这项数据以前,美联社报道称该公司已向加利福尼亚州政府发出通知称,自去年9月以来已发生与其无人驾驶汽车有关的3次碰撞事故,当时谷歌必须上报所有事故成为了该公司在公共道路上测试这种汽车的正式法律规定。
据悉,卷入事故的汽车中有三辆是谷歌改装的雷克萨斯SUV。谷歌为了实现汽车“自主驾驶”,给这些汽车装上了感应器和计算装置。汽车零件供应商德尔福的两辆测试汽车中一辆卷入第四起事故。
谷歌和德尔福称它们的汽车不是事故中的过错方,而且这些事故都是非常小的事故。
谷歌无人驾驶汽车项目主管克里斯·厄姆森(Chris Urmson)称,所有11次事故的规模都很小,仅造成了“轻度伤害,无人受伤”,而且是在总长170万英里(约合274万千米)的测试中发生的,其中使用无人驾驶模式的行驶总长为近100万英里(约合161万千米)。他还指出:“这些事故中没有一次是因无人驾驶汽车而引起的。”
根据美国高速公路安全管理局(NHTSA)的规定,美国针对“仅造成财产伤害的碰撞事故”(property-damage-only crashes)制定的全国标准约为每驾驶10万英里0.3次。谷歌无人驾驶汽车行驶170万英里发生11桩事故的比例为每驾驶10万英里0.6次,但该公司官员指出,每年最多有500万次轻微事故并未向当局上报,因此很难以此为标准进行衡量。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。