待验证50% 置信事实精确时间

研究者直接操控单个SAE潜在特征，发现规划器输出会产生可预测的、单调的变化，涉及横向位移、曲率和刹车等规划维度。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/11/2

首次发现

有效期至：2027/1/31

来源

机械可解释性如何打开端到端自动驾驶黑箱？

涉及实体

稀疏自编码器concept 端到端路径规划模型model

相关事实

待验证随机梯度下降（SGD）、动量法、Adam 等优化器都是在基本梯度下降框架上改进更新策略的变体。67% 相似待验证对SAE潜在特征进行无监督聚类后，浮现出与驾驶语义清晰对齐的结构：路线意图、车辆速度、刹车行为各自对应不同的特征簇。67% 相似待验证与探针正交的弯曲结构直接影响模型在分布外（OOD）场景下的泛化能力、鲁棒性以及组合迁移性能。66% 相似待验证SWE-bench和GAIA等基准专门用于衡量模型完成多步骤、跨工具调用任务的能力64% 相似待验证边缘智能体的多步骤链式工作模式会使单次推理延迟在多步骤中被放大64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1125340

API

curl https://kongchang.com/api/v1/knowledge/claims/1125340

MCP

get_claim(id=1125340)