北京时间3月1日消息,据科技网站AppleInsider报道,谷歌无人驾驶汽车过去曾卷入多起交通事故,不过在这些交通事故中,其他车辆司机都负全责。但是,在本月早些时候发生在加利福尼亚州的一起交通事故中,谷歌无人驾驶汽车需要承担部分责任。
有媒体当地时间周一报道,向加利福尼亚州机动车辆管理局(以下简称“DMV”)提交的文件披露了这次交通事故。文件显示,一辆采用无人驾驶技术的雷克萨斯RX450h在山景城与一辆公交车相撞。
报告显示,当时,无人驾驶的雷克萨斯试图并入车道,并避开前方道路上的沙袋。它显然通过后视镜“看到”了公交车,并“断定”它会停车或减速,但公交车并未停车或减速。
好在当时两辆车速度都很慢,雷克萨斯时速仅为2英里,公交车时速为15英里。事故没有造成人员伤亡,报告只是称雷克萨斯受到损伤。
在有关这次交通事故的消息“触网”后,谷歌解释了原因,称“有人驾驶汽车每天都会发生类似事故。这是驾驶活动中协商的经典案例——我们尝试相互预测对方行为。在这次交通事故中,我们显然负有责任,因为如果我们的汽车不出现在那里,就不会造成两车相撞。随车测试人员认为公交车会停车或减速,使我们的汽车并入车道,并认为两车之间距离足够大”。
谷歌无人驾驶汽车示意图
谷歌无人驾驶汽车曾遭遇17起交通事故,但据称这些交通事故责任全在对方,使得发生在2月14日的这起事故,成为谷歌无人驾驶汽车负部分责任的首起交通事故。
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。