LADA：用潜动作模型低成本生成自动驾驶语言标注
abursuc · x · 2026-09-17
作者在 #ssad2026 研讨会上介绍了 LADA（Latent Action Driving Annotations），一种低成本生成自动驾驶语言标注的策略。其思路来自 latent action models（LAM）：只需少量「观察-语言」配对数据，模型先学习产生潜动作表征，再借此模仿语言的功能，从而以极低的标注成本为驾驶数据配上语言注释。帖中还附带了一段 LAM 的入门讲解，适合想了解潜动作模型如何迁移到自动驾驶标注场景的读者。
所属事件:LADA 用潜动作模型低成本生成驾驶语言标注(2 条相关)→
「研究」频道最新
- 「循环流」路线升温:新论文 Thinking with Looped Flows 在 ARC-AGI-1 达 58.8% — alec_helbling · 2026-09-17
- Flow Reasoning Models:把流模型改造成循环推理器,数独解决率达99.5% — alec_helbling · 2026-09-17
- FRM 推理效率碾压对手:数独上以 1/44 的 FLOPs 追平 EqR — alec_helbling · 2026-09-17
- 把流模型改造成循环模型解推理题,无需时间反传 — alec_helbling · 2026-09-17
- Gen-COMPAS：扩散模型提候选、分子动力学验证稀有跃迁 — bravo_abad · 2026-09-17
- epidemik 0.2.0 发布:用字符串定义传染病模型,自动算 R0 — bgoncalves · 2026-09-17