风河公司近日宣布与地平线公司建立战略合作关系,致力于推进智能驾驶解决方案。
此项合作将使OEM厂商能够利用地平线公司征程系列计算解决方案,充分发挥风河公司云到边缘产品组合的优势,推出完全集成化的ADAS硬件/软件解决方案,进而加快产品上市速度,降低开发与集成成本。这套高性能、高成本效益的技术方案非常适合自动驾驶和软件定义车辆等下一代应用。
作为国内嵌入式乘用车ADAS和自动驾驶产品商业化的先驱,地平线公司自主研发的征程系列计算解决方案涵盖了自动驾驶的所有场景。通过此次合作,地平线和风河两家公司将会在地平线公司征程系列产品上优化风河软件,包括高性能、高安全性、高可靠性的实时操作系统(RTOS) VxWorks®、基于Type 1 hypervisor且获得安全性认证的多租户平台Wind River Helix™ Virtualization Platform、 Wind River Linux以及Wind River Studio。
地平线公司创始人兼首席执行官余凯博士说:“中国汽车业正在发生巨大的变化,地平线将继续为智能汽车时代打造计算基础。我们通过与上游和下游伙伴的合作来提高自动驾驶的效率和能力,非常荣幸与风河建立此项合作关系。基于地平线和风河的核心能力,我们将为OEM厂商提供出色的集成解决方案,为消费者带来更安全、更优质的出行体验。”
风河公司首席产品官Avijit Sinha介绍说:“我们与地平线的合作是构建开放、创新与协作生态系统的重要一步,这对智能出行的发展至关重要。风河的软件和地平线的硬件相结合,将使OEM厂商能够更好地利用本地化开发的优势,进而交付新一代汽车解决方案。我们将共同致力于进一步推进软件定义汽车和智能驾驶技术。”
好文章,需要你的鼓励
这项研究介绍了一种名为FlowPathAgent的神经符号代理系统,用于解决流程图归因问题。研究团队提出了流程图精细归因这一新任务,构建了FlowExplainBench评估基准,并开发了结合视觉分割、符号图构建和基于代理的图形推理的方法。实验表明,该方法在归因准确性上比现有基线提高了10-14%,特别在处理复杂流程图时表现出色,为提升人工智能系统在处理结构化视觉-文本信息时的可靠性和可解释性提供了新途径。
这项研究首次从神经元层面揭示了大型语言模型(LLM)评估中的"数据污染"机制。研究团队发现当模型在训练中接触过测试数据时,会形成特定的"捷径神经元",使模型无需真正理解问题就能给出正确答案。他们提出了一种新方法,通过识别并抑制这些神经元(仅占模型总神经元的约1%),成功恢复了模型的真实能力表现。实验证明,该方法与权威可信基准测试结果高度一致(相关系数>0.95),并在不同基准和参数设置下都表现出色,为解决LLM评估可信度问题提供了低成本且有效的解决方案。
这份来自向量研究所、康奈尔大学和格罗宁根大学研究团队的综述分析了基于大语言模型的代理型多智能体系统中的信任、风险和安全管理框架(TRiSM)。研究系统地探讨了代理型AI从概念基础到安全挑战,提出了包含治理、可解释性、模型运营和隐私/安全四大支柱的TRiSM框架。文章还详细分析了威胁向量、风险分类,并通过真实案例研究展示了潜在脆弱性。
这项研究提出了一种名为ConfiG的创新方法,通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异,引导扩散模型生成那些能挑战学生模型的样本,从而减少模型对训练数据中欺骗性特征的依赖。实验表明,该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能,为资源受限环境下的AI应用提供了实用解决方案。