工作即修行 的讨论

什么是corner case，corner case 首先是一个异常状况的感知，然后是分类识别，最后才是驾驶策略的决策。神经网络计算是在哪一个层次。是第二个层次是识别判断。感知信息在实时和精确上数据质量越高，越有利于分类识别的判断。神经网络处理corner case是个通过数据感知和模式识别的协同。
十年后改变的是技术迭代后的产品形态，而不是基本常识和底层逻辑。

【骗过车机！纯视觉的特斯拉，眼神真的不太好！我自己是不敢用AP了-哔哩哔哩】 网页链接

transformer是一个预训练模型，在预判模型中会对文本的语义进行编码，卷积神经网络是其中一种编码，是用来对词语的意义进行编码。除了卷积神经网络这种编码方式，另外预训练模型还需要分别对上下文信息（基于序列的RNN模型）和背景知识（基于图的自注意力架构模型）进行编码。
百度文心一言的问题就是语义编码和上下文编码的的问题。我不是百度的人，业界传闻百度是用开源gpt上直接做二次开发，按照这个传闻，百度用英文文本的卷积神经网络和上下文语义编码来处理中文，肯定会出现很多问题。

十年后，可能幼儿园小朋友都能理解神经网络更擅长处理Corner case。显然对于现在的很多人来说，这一点还是非常高深的知识。[斜眼]

如果是计算机博士，那就是理解一些了，屁股决定脑袋，太多的t实验室数据熏陶强化了他的算法和模型的信任，弱化了他对现实场景中Corner case 的重要性认知

还有这位的帖子可参考
网页链接

市场竞争力重要。我从来不认为有没有激光雷达和能否实现L5有直接关系。相反很多人认为没有激光雷达就只能止步于L2，这个是我反对的。

朋友无意与你争论，可能我第一篇针对你的回帖用词有些尖刻了，如有冒犯请见谅[抱拳]

不是原创，但是应用于实业且取得巨大成功的第一人，包括但不限于火箭回收，机场隧道，锂电池等等

路线有很大争议，不确定性较强，对于非行业内的专业人士很难做出相对准确的配合。作为投资者我看到特斯拉坚决的用纯视觉去解决自动驾驶，而且他们的方案目前领先全球，就对激光雷达的路线保持怀疑。