CNET科技资讯网 3月29日 国际报道:受益于无人驾驶汽车的兴起,全球的科研人员正在谋划一个没有交通信号灯与道路堵塞的未来。
交通信号灯有一天会在我们的城市中变得无足轻重吗?研究人员说,由于无人驾驶汽车的出现,这样的未来是可能来到的。
谷歌、奔驰和Delphi等公司正在开发无人驾驶汽车。现在,智能感应器、信息娱乐仪表板和巡航控制部件不断出现,而自动驾驶汽车超越了这些概念,完全用计算机代替了司机。
谷歌是无人驾驶汽车的拥护者,该公司声称,自动驾驶汽车的安全性超过了人驾驶。
安全性不是唯一的问题,如果自动驾驶汽车普及,我们可能堵在路上的时间会大大减少。
来自麻省理工学院,瑞士理工学院和意大利国家研究委员会的研究人员提出了“光流量”(Light Traffic)的概念,它能够让无人驾驶汽车无需等待通过交通繁忙的路口。
“光流量”使用感应器与无人驾驶汽车通讯,在汽车达到之前预留出通过的时间节点。这种系统使得汽车能够保持一个 安全距离,从而实现无缝通过路口。
这套系统可以灵活修改,可用于骑自行车和行人的交通管理。
麻省理工“可感应城市实验室”主任Carlo Ratti表示:“交通繁忙的路口是一个异常复杂的空间,因为你在同一地段有两股车流,我们的系统将重点由交通流量层面转移到了车辆层面。最终,这是一个更有效的体系,因为当有通过的节点,汽车会迅速通过路口。”
开发人员认为,这套系统可以很大程度避免“停停走走”的场面出现,也将有利于汽油燃烧带来的环境污染。
总的来说,新系统将十字路口的交通流量增加了一倍,改善了城市交通。
麻省理工“可感应城市实验室”科学家Paolo Santi表示:“认识到自动驾驶汽车对城市层面的影响非常重要。现在的道路 有几十年的的生命周期,新技术的出现肯定会对道路产生影响。”
本月初,谷歌表示,无人驾驶汽车让美国政府在停车,道路基础设施与公共交通上面花费更少的钱。
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。