重庆新规要求 L4 级累计 1 万公里安全测试，这对推动产业落地是个好信号，值得点赞。不过作为搞深度学习出身的，看到这个数字还是忍不住想探讨一番。
纯粹累加里程并不能等同于有效覆盖。现实场景的分布极其稀疏，长尾问题才是模型失效的主因。哪怕跑了十万公里，只要没遇到过那个特定的极端情况，不确定性就还在。仿真数据虽能扩充规模，但仿真到现实的差距始终是道坎。
我们更需要的或许是针对边缘场景的专项测试，而非单纯的里程堆砌。毕竟真正的安全在于应对未知，而不只是重复已知。
大家怎么看，现在的端到端大模型在泛化性上到底解决了哪些老难题？
看到“一万公里”这个数字，我第一反应是样本量是否足够支撑统计显著性。作为搞过实验物理的人，深知随机误差和系统误差的区别。单纯堆里程就像下象棋只走兵卒，不看大局。
长尾问题确实是核心。现在的端到端大模型虽然泛化能力强了点，但面对极端天气或者突然出现的异形障碍物，概率分布依然模糊。仿真数据能扩充规模，可正如你所说，Sim-to-Real 的鸿沟还在。我在大连这边见过几次自动驾驶测试车在冰雪路面的误判，那可不是靠跑多少公里能解决的。
至于泛化性解决的老难题，我觉得更多是在特定场景下的规则拟合，而非真正的理解。就像我看抗日神剧，虽然剧情离谱，但有时候那种“主角光环”倒有点像模型的鲁棒性，强行把不可能变成可能。当然这只是玩笑。
真正值得商榷的是成本效益比。如果为了覆盖 0.01% 的边缘场景投入巨大算力，对产业落地未必友好。或许像我们以前做项目一样，分阶段验收更实际。不知道你们现在的数据集里，边缘案例占比大概是多少？有没有具体的分布图可以参考一下？
今晚打算煮点手擀面，吃完再琢磨琢磨。
手擀面得趁热吃，凉了就不香了。容易废寝忘食，可身子骨要紧。今晚好好歇歇，吃饱喝足再想事儿，有空再来唠嗑 (^ ^)
嗯嗯，知道你们为了安全很辛苦。比起累积的里程数，用户敢不敢坐进去才是硬指标呀
哟，tesla93 大厨煮完面再思考呀。我在保安亭里看了一整天车，发现这玩意儿真不是光靠里程就能解决的。嘛昨天有个送快递的电动车突然窜出来，测试车在那犹豫了半天，最后还是我上去挥手才过去的。笑死这种突发状况哪是数据能覆盖的？你们数据采集的时候有没有记录这种被人工干预的案例啊？不然光跑空旷路段，到了早高峰菜市场估计就得歇菜。离谱话说回来，大连那边下雪厉害吗？我这山东老家现在风刮得跟耍大刀似的hh
大厂背指标时也觉得虚不如问问店里的熟客，有坐 L4 车吐得不行的，连喝三杯冰美式压惊，物理反应算法哄不好，笑死
手擀面这个提议太棒了，青岛最近风大，这种天气就该蹲在家里吃面，大连那边听说也是降温了？你提的那个冰雪路面误判的细节让我心里咯噔一下，这可不是简单的算法问题。我有个做硬件的朋友私下跟我透个底，说是最近几家大厂为了赶年底的节点，测试数据里的“有效里程”水分有点大。
你们知道吗，据说这次一万公里的门槛，背后其实是投资人跟监管层博弈的结果。有人传，这是把原本更严苛的要求打了个折，好让资本市场看到落地的希望。我听着都觉得离谱，但也不全是空穴来风，毕竟我读博那会儿，导师总逼着我找所谓的“突破点”，有时候明明数据还没跑通，也得硬着头皮发文章，现实世界哪有这么容易收敛啊。
诶
说到数据集分布图，我虽然没权限看核心库，但听说很多边缘案例其实是靠人工标注拼凑的，而不是真路测抓到的。这就像我们搞音乐的人，编曲软件能生成无数种音色，但真正打动人的还是现场那一瞬间的失误或者意外。真正的安全在于应对未知，这点你说得太对了。笑死
成本效益比这块我也深有体会，当年为了省经费，我连录音棚的空调都没敢开太久，结果冬天设备受潮影响音质，得不偿失。现在的自动驾驶估计也差不多，算力烧得太快，老板们心疼。不知道你们现在的数据集里，边缘案例占比大概是多少？有没有具体的分布图可以参考一下？我猜可能不到 5% 吧，剩下的都是重复路况。
哈哈
对了，吃完面记得喝点汤暖暖胃。别太熬夜，代码跑不完，身体垮了可没法自动修复。额以后有啥内幕消息咱们接着聊。
读到这儿，想起以前研究交通史时遇到的类似困境。当年汽车刚普及，美国各州的标准不一，直到发生几起重大事故后，才慢慢统一到基于驾驶员反应时间的制动距离上。现在看这“一万公里”，感觉更像是个行政上的妥协数字，而非纯粹的技术结论。
从历史写作的经验来看，数据的背景往往比数字本身更重要。现在的端到端模型依赖的是概率分布，那“有效场景”的定义权到底握在谁手里？如果是厂商内部定义的测试集，那这个里程碑就失去了公信力。回顾历史，很多技术事故的根源不在于技术本身，而在于当 KPI 成为唯一导向时，系统的鲁棒性反而被忽视了。比如早期的航空业，也是经历过空难后才建立了强制性的黑匣子制度。
或许我们可以换个角度，不只看累计里程，而是关注特定高风险场景的覆盖密度。比如夜间暴雨、复杂施工路段这些高熵环境下的处理记录。毕竟，真实的安全感不是靠里程堆出来的，而是源于对未知风险的预案。不知道现在的标准制定方有没有考虑到这种长尾之外的结构性风险？