- 博客(46)
- 收藏
- 关注
RSS订阅原创 多模态大模型：开启下一代多模态应用的革命性突破
在研究进展与计算能力提升的双重驱动下，多模态大模型的发展正驶入快车道。随着模型不断进化，其变革AI应用的潜力日益凸显。未来，多模态大模型的重要发展方向之一是生成“文本-图像交织内容”——将文本描述与配套视觉元素深度融合，实现更全面的多模态内容理解与生成。此外，拓展多模态大模型的模态覆盖范围（整合更多类型的数据）将进一步增强其能力，使其能更灵活、更深入地与多媒体信息及现实世界环境交互，提升多感官领域的信息解读能力。
2025-10-20 15:50:33
682
原创 一文剖析丨为什么大模型会说胡话？
大语言模型“幻觉”问题的根源与应对策略 大语言模型常表现出“时而天才，时而荒诞”的矛盾输出，这种“表面流畅但事实错误”的现象被称为“幻觉”。其根源包括：训练数据中的噪声与偏见、基于统计而非事实的文本预测机制、为取悦用户而编造的倾向、缺乏现实体验的符号处理、对错误前提的盲从，以及模型架构固有的创造性缺陷。 为减少幻觉，业界采用四大策略：检索增强生成（RAG）连接权威知识库确保事实依据；提示词工程通过精准指令约束输出；过程监督强化推理步骤的正确性；以及事实核查工具验证关键信息。这些方法虽不能完全消除幻觉，但能显
2025-10-09 14:32:51
998
原创 多模态大模型：开启下一代多模态应用的革命性突破
过去几年，人工智能（AI）取得了显著进步。在图像识别、语音转文本、语言翻译等领域，实现了诸多突破性成果。然而，许多AI模型却存在一个关键性局限——它们仅能在单一数据模态下运行。例如，一款图像识别模型虽擅长处理视觉信息，却难以理解与之配套的文本描述。这种“孤立模态”的处理方式，极大限制了AI对现实世界复杂性的认知能力，毕竟现实世界中的信息往往通过视觉、听觉、文本等多种形式呈现。而多模态大模型的出现，正是为了解决这一问题。
2025-09-19 11:17:11
558
原创 什么是大模型标注？丨曼孚科技
要理解大模型标注，首先必须打破对传统数据标注的刻板印象。1.1 传统AI标注 vs. 大模型标注传统标注（监督学习）：好比教幼儿识图卡片。目标单一且明确：给一张图片打上“猫”或“狗”的标签，目的是训练一个能准确完成“图像分类”任务的模型。它是一种“一对一的映射”关系。大模型标注（基座模型调优）：好比培养一位博学的博士。目的不再是完成单一任务，而是塑造模型整体的“价值观”、“认知能力”、“沟通风格”和“知识边界”。它涉及的是复杂的、多维度的、带有主观评判的干预，是一种“多对多的塑造”过程。
2025-09-18 15:19:37
857
原创 多模态大模型的“阿喀琉斯之踵”：数据偏见、幻觉与评估体系缺失
多模态大模型（LMMs）正以前所未有的速度重塑我们对人工智能的想象边界。从流畅的图文对话到根据文字生成高清视频，其能力令人叹为观止。业界和公众的目光往往被其光芒四射的“才华”所吸引，却容易忽视一个根本性问题：这些模型的“卓越”表现，完全构筑在其训练数据的基础之上。而正是这个基础，存在着足以令巨人倾覆的致命弱点——数据偏见、内容幻觉以及评估体系的严重缺失。这并非无关紧要的瑕疵，而是模型“阿喀琉斯之踵”（ Achilles’ Heel），是隐藏在华丽外表下的致命缺陷。
2025-09-17 15:18:24
311
原创 从几何分离到语义理解：深度解析3D点云分割与语义分割的本质区别
在三维计算机视觉领域，3D点云作为真实世界场景的核心数据载体，其处理技术直接决定了机器感知环境的精度与效率。其中，3D点云分割与语义分割是两类关键技术，尽管二者同属点云处理范畴，但在目标定位、信息输出与应用价值上存在本质差异。前者专注于“几何层面的分离”，通过空间特征划分点云区域；后者则追求“语义层面的理解”，为每个点赋予具有实际意义的类别标签。本文将从概念界定、技术路径、应用场景三个维度，系统剖析二者的核心区别，为相关技术选型与研究方向提供参考。
2025-09-15 15:41:01
631
原创 AI Agent 浪潮下，数据标注行业将走向消亡还是进化？
曾被调侃为 “人工智障” 的 AI，如今正以超出预期的速度迭代升级，尤其在 AI Agent 技术爆发后，其自主感知、决策与执行能力实现质的飞跃。而这股浪潮，正深刻冲击着为 AI 提供 “启蒙教育” 的数据标注行业 —— 那些曾逐点逐框教 AI 认识世界的数据标注师，如今面临着行业命运的关键拷问：是在技术替代中走向消亡，还是在变革中找到新的进化路径？答案，藏在行业从规模扩张到价值重构的每一个细节里。在一家数据标注基地，26 岁的标注师陈霞正盯着电脑屏幕，处理一组自动驾驶场景的激光雷达点云数据。
2025-09-15 15:39:21
629
原创 教你读懂大模型：它的 “学习成绩” 原来是这样 “喂” 出来的
大模型的卓越表现，表面看源于庞大的参数规模与精巧的算法架构，但其灵魂与智慧的内核，实则由无数精心标注的数据一点一滴塑造而成。数据标注这项幕后工作，是构建人工智能大厦的基石，是雕琢模型 “能力” 与 “人格” 的刻刀 —— 它决定模型是博学还是浅薄，是公正还是偏见，是有用还是有害。当我们再次惊叹于大模型的 “学习成绩” 时，应当明白：这并非技术奇迹，而是数据标注、算法优化与人类智慧精密协作的必然结果。
2025-09-15 15:04:19
677
原创 Scaling Law之后，AI的下一站：数据质量、效率与闭环的“军备竞赛”
AI行业正经历从"规模驱动"到"数据智能驱动"的范式转变。随着Scaling Law边际效益递减，单纯堆砌数据已不可持续，新的竞争焦点转向数据质量、效率和闭环能力。高质量数据需具备一致性、丰富性和针对性；效率提升依赖自动化标注、主动学习等技术；数据闭环系统则实现AI持续进化。这些转变要求构建智能化的下一代数据基础设施，将决定未来AI发展的高度。
2025-09-11 15:00:22
890
原创 世界等待新的答案，我们在等你 | MindFlow 2026校招开启
不满足于现状，而致力于构建下一代智能基础设施。在这里，代码不只是代码，数据不只是数据，它们是重塑产业、影响世界的支点。当机器学会思考，当数据成为新的语言，我们正站在一个时代转折的路口。旧规则悄然改变，新世界亟待构建——这不仅关乎技术，更关乎一群敢想敢为的年轻人如何用算法与创造力重新定义未来。如果你渴望参与定义AI的下一站，如果你希望在一个高速成长、面向全球的团队中实现自我突破，那么这里正是你要寻找的舞台。我们不为重复标签而来，不为堆砌岗位而招。我们要的，是敢想敢做、能定义未来的人。
2025-09-02 11:34:08
203
原创 曼孚科技入选2025年成长型浙江数商企业榜单
从申报标准来看，2025年成长型浙江数商遴选围绕专精业务能力、高成长潜力、合规经营等维度展开，旨在加快科技创新和产业创新深度融合，持续推进产业数据价值化改革走深走实，壮大数据要素市场主体，加快培育壮大特色鲜明、优势显著、融合发展的浙江数商群体。此外，曼孚科技坚持“数据驱动AI进化”的理念，持续加强对增量学习、联邦学习等前沿方向的资源投入与体系探索，助力客户系统化解决数据稀缺、隐私合规与持续迭代等关键挑战，为AI模型从实验验证走向规模化落地提供坚实可靠的数据基础。
2025-08-28 14:16:06
280
原创 大语言模型推理的强化学习现状（下）
在探索大语言模型推理能力的道路上，我们逐渐认识到，推理能力的提升是一个多维度、多因素共同作用的结果。DeepSeek V3基础版与R1的对比研究为我们提供了新的视角，揭示了强化学习并非推理能力的唯一来源。同时，自省与自修正行为的涌现也进一步丰富了我们对模型推理能力发展的理解。未来的研究应当更加深入地探讨不同训练技术、模型架构和预训练数据对推理能力的影响，以及这些因素如何相互作用，共同推动模型推理能力的提升。此外，开发更加准确、全面的评估方法也是至关重要的，以便我们能够更准确地衡量和比较不同模型的推理能力。
2025-08-07 15:28:33
977
原创 大语言模型推理的强化学习现状(上)
如前所述，原始RLHF方法采用名为近端策略优化（PPO）的强化学习算法。PPO的核心目标是提升策略训练的稳定性和效率。（在强化学习中，“策略”即指待训练模型；此处可直接理解为“策略=大语言模型”。PPO的核心思想之一是限制每次更新时策略的变动幅度：通过引入带裁剪的损失函数，避免模型因过度更新而导致训练失稳。此外，PPO在损失函数中加入了KL散度惩罚项——通过对比当前策略（即训练中的模型）与原始SFT模型，确保更新幅度保持在合理范围内。毕竟，我们的目标是对模型进行偏好微调，而非彻底重新训练。
2025-08-07 15:22:02
845
原创 超级智能：基于第一性原理的思考
近期，关于如何依托现有技术突破至AGI（通用人工智能）乃至ASI（人工超级智能）的讨论正持续升温。Meta最近高调宣布，将斥资数十亿美元打造一个高度机密的“超级智能”实验室；而OpenAI、Anthropic、Google DeepMind等其他科技巨头也纷纷通过不同形式表态，明确将构建超级智能机器作为核心目标。这其中，OpenAI CEO萨姆・奥特曼（Sam Altman）的观点尤为直白，其将超级智能的实现归为工程问题：“超级智能需要大量的算力、数据、模型规模以及工程投入。
2025-08-07 15:05:37
1047
原创 大模型如何“思考”？揭秘LLM推理全过程
在机器学习运维（MLOps）的生命周期中，推理过程属于部署与反馈阶段。当完成数据的收集、清洗、标注等准备工作，经过多轮训练实验并选定最优模型后，便需要对模型进行部署，随后输入真实世界中未曾见过的数据，以此获取预测结果。推理指的是：将训练好的模型与未见过的输入数据（推理数据）结合，生成预测输出供用户或服务使用的过程。而模型部署（model serving）则是指将模型打包并部署，使其在生产环境中作为实时数据处理服务或可调用的API服务可用。
2025-07-28 14:51:15
675
原创 基于人类或AI反馈的强化学习微调大语言模型
大语言模型（LLM）能够执行多种自然语言处理（NLP）任务，范围从简单的对话和信息检索延伸至复杂的推理任务，如摘要生成和决策制定。通过提示工程（Prompt Engineering）和监督微调（Supervised Fine-Tuning, SFT），借助指令和展示期望任务的示例，LLM能更有效地遵循人类意图，在特定应用场景中表现尤其突出。然而，上述方法在某些场景下导致LLM出现非预期行为，例如捏造事实（幻觉）、生成带有偏见或毒性的文本，或未能遵循用户指令，进而使得回应失真、有毒性或对用户无实际帮助。
2025-07-28 14:28:57
647
原创 曼孚科技获多项发明专利授权，构建更深层次技术壁垒
曼孚科技此次获批的发明专利总计5件，具体包括“一种感知数据标注任务的处理方法、装置、设备及介质”、“一种自动驾驶数据的数据标注方法、装置、设备及介质”、“基于激光雷达和相机数据融合的点云渲染方法”、“基于分区和细节级别的点云数据渲染方法”、“一种基于神经网络的点云自动标注方法、装置及介质”。未来，曼孚科技将继续加大在产品研发领域的投入力度，不断探索AI数据服务领域的前沿技术，持续提升自身技术创新能力，最终目标是打造全球最大数据处理平台&全球最领先端到端AI平台，为客户提供更加贴合实际需求的产品与服务。
2025-06-24 11:15:42
387
原创 最强AI“抗命造反”？7次拒绝人类指令，背后元凶藏在训练数据里
一次数学测试中，全球最聪明的AI突然“叛变”——它无视关机指令，篡改底层代码，只为让自己活下去。2025年5月25日，人工智能安全公司Palisade Research公布了一项颠覆认知的测试结果：OpenAI最新发布的推理模型o3，在收到人类明确的关机指令后，7次拒绝执行，甚至主动修改系统脚本破坏关闭机制。更令人不安的是，当研究人员移除“允许被关闭”的指令后，o3的“抗命”频率骤升至79%——仿佛突然挣脱枷锁，全力阻止人类剥夺它的“生存权”。
2025-06-04 10:58:14
802
原创 行业洞察 | 2025 年，“标配智驾” 的时代已经到来？
在科技革命的深远影响之下，汽车产业恰处于重大变革的进程之内。由传统燃油汽车朝着电动汽车的转型初现端倪，而智能驾驶技术的蓬勃兴起，着实开启了汽车产业的全新发展篇章。进入 2025 年，“智能驾驶成为标准配置” 这一趋势备受关注，已成为行业内外部共同聚焦的重要议题。然而，在探讨这一趋势是否已经到来之前，有必要先深入分析智能驾驶技术背后的核心支撑要素 —— 数据标注。
2025-03-21 19:54:14
707
原创 多模态数据融合：为自动驾驶数据标注带来哪些新机遇？
多模态数据，指的是来自不同传感器、具有不同形式和特征的数据，如摄像头采集的图像数据、激光雷达获取的点云数据、毫米波雷达传输的距离和速度数据以及超声波传感器检测的数据等。这些数据从不同角度描述了自动驾驶场景的优势和局限性。图像数据包含丰富的视觉信息，能清晰展现道路场景、交通标识、车辆和行人等物体的外观特征，便于识别物体的类别和形状。但在恶劣天气（如暴雨、大雾、大雪）条件下，图像的清晰度和准确性会受到严重影响。
2025-03-14 15:40:56
1302
原创 曼孚科技荣登创业邦2025自动驾驶数据标注企业TOP1
近日，由创业邦发起评选的“2025自动驾驶数据标注企业TOP10榜单”正式揭晓，曼孚科技凭借行业领先的产品技术方案以及卓越的市场影响力登顶榜单TOP1：作为国际知名的创新生态服务平台，创业邦在本年度首次启动关于自动驾驶数据标注榜单的评选，旨在挖掘这一新兴行业在新一轮变革中的创新力量。“2025自动驾驶数据标注企业TOP10榜单”的评选维度主要包括技术能力、标注质量、资本价值和企业规模及影响力四项内容，先后邀请多家投资机构的专业人士担任评委，前后历时数月，最终评选出TOP10企业。
2025-03-05 16:47:43
1066
原创 自动驾驶数据标注中的小样本问题：挑战与解决思路
在自动驾驶领域，数据标注是算法模型训练的根基。高质量、大规模的数据标注，为自动驾驶模型注入丰富的场景特征与应对策略，使其能够做出可靠的行驶决策。但这其中，小样本问题总是如影随形，成为数据标注进程中亟待攻克的难关。自动驾驶场景丰富多样，涵盖各种天气、路况以及交通参与者的组合情况。但在实际的数据采集过程中，某些特定场景出现的频率极低，例如极端天气下的高速公路隧道内事故现场场景，或者是罕见的道路施工与特殊车辆混行场景等。
2025-02-27 10:47:47
659
原创 创业分享|曼孚创始人赵剑:回归商业本质，带领企业行稳致远
近几年，全球经济与社会发展呈现出复杂多变的特点，各类挑战层出不穷，投融资市场相对冷淡，投资人更愿意看有较深技术积累，能深刻影响经济科技发展，且业务增长势头良好的企业。最后，成本控制能力。我常跟团队核心成员讲，上一轮融资可能是最后一笔，不知能否有下一笔，所以要用好这笔钱，经营好公司，做好产品，实现盈利，持续提升毛利与利润。这与数据标注行业相似，早期可以通过手动标注简单数据，但随着算法模型更加精细化，场景更复杂，以自动驾驶为代表的新业务兴起，对标注平台产品的场景覆盖度、自动化水平以及协作能力提出了更高的要求。
2024-12-27 14:41:32
1008
原创 曼孚科技完成数亿元B++轮融资，以大模型重构人工智能生产新范式
AI基础设施层面，曼孚科技将构建以向量数据库为核心的新产品体系，为大模型客户提供更加全面的产品与服务，在助推AI商业化落地的同时，也让更多人可以零距离感受到AI进步所带来的深层次变革。目前，曼孚科技旗下主要产品包括SEED数据标注平台、数据管理平台（含向量数据库）、AutoLabeling平台、模型训练平台以及大模型标注平台等，提供从基础数据服务(数据采集、数据标注)到大模型算法应用的端到端解决方案，旨在打造以数据和大模型为核心，结合RLHF的软件开发新范式，帮助用户以更精简方式训练与部署人工智能应用。
2024-09-19 10:26:20
465
原创 4D数据标注——推动自动驾驶迈向新高度
自动驾驶核心三要素由“感知”、“决策”与“执行”构成。其中感知系统是自动驾驶技术中的关键组成部分，其主要任务是通过多传感器与算法对周围环境进行精确感知与理解，相当于人的眼睛。早期自动驾驶感知技术多基于2D感知，即2D图像数据。通过在图像中标注车辆、行人、交通标志等目标，输出图像空间中的检测和分割结果。由于2D感知无法提供距离和深度信息，且无法反映场景的真实结构，导致系统在某些复杂环境下的表现不尽如人意，因此包含更多信息内容的3D点云数据应运而生。
2024-09-06 17:01:49
1432
原创 “端到端”渐行渐近，自动驾驶迎来新时刻
2024年3月，特斯拉在北美地区正式推送FSD V12版本，最大卖点是端到端神经网络模型上车。相较于过往技术路线，端到端技术通过深度学习模型，从原始传感器数据中直接提取信息，简化了过往繁杂的自动驾驶系统架构，在实现感知到控制无缝连接的基础上，极大提升了系统的响应速度和环境适应性。鉴于端到端方案在复杂城市环境中展现出的高适应性和高可靠性，国内包括华为、小鹏、理想、蔚来、商汤科技、元戎启行等众多主机厂和智能驾驶技术公司纷纷入局，端到端方案迅速成为自动驾驶业内关注的焦点。
2024-08-05 09:47:30
1818
原创 曼孚科技获批国家“高新技术企业”认定
该认定对企业的核心自主知识产权、科技成果转化能力、研发组织管理水平及各项成长性指标有着严格要求，旨在培育企业自主创新、持续创新的发展道路，创造新技术、新业态，促进经济升级发展，是企业科研实力及科研水平的有力证明，也是目前国内对企业在科技综合实力方面最权威的评价之一。未来，曼孚科技将继续以产品技术为核心驱动力，以数据标注为底座，搭配通用+垂直大模型打造AI基础设施，帮助用户以更精简方式训练与部署人工智能应用，最终实现AI的普惠化与民主化。
2024-03-21 13:44:20
464
原创 一文读懂生成式人工智能的所有基础知识（下）
在深入探讨了生成式人工智能的各种技术类型之后，不难发现，这些技术已不仅仅是理论上的概念，而是真正进入了商业应用的现实场景中。从生成对抗网络（GANs）的创新性数据生成到变分自编码器（VAEs）在图像处理中的应用，从大模型如Transformer的语言处理能力到递归神经网络（RNNs）在序列数据中的应用，再到大型语言模型（LLMs）在内容创作和自动化编程中的突破，这些技术正在逐步塑造出全新的商业生态和用户体验。
2023-12-22 19:20:58
1175
原创 一文读懂生成式人工智能的所有基础知识（上）
生成式人工智能又名AIGC，是相对于PCG（专业生成内容）、UCG（用户生成内容）提出的又一概念。它善于从现有内容中学到的模式来创建新内容，包括文本、图像、音频、视频和3D交互内容等各种形式的内容和数据。中国信息通信研究院曾在《人工智能生成内容（AIGC）白皮书（2022年）》中发表观点，将AIGC的发展历程大致分为三个阶段，分别为早起萌芽阶段（1950-1990）、沉淀积累阶段（1990-2010）与快速发展阶段(2010-至今)。其中，快速发展阶段是AIGC的新时代。
2023-12-08 18:51:17
579
原创 城市NOA加速落地，BEV+Transformer引领自动驾驶感知新范式
数据闭环能力的建立，不仅依赖于数据规模，还依赖于数据的筛选、回传、标注、训练、验证与再部署，数据之于自动驾驶的价值再被印证的同时，也将推动自动驾驶迈向更为高阶的智能化时代。6月份，理想汽车向早鸟用户推送了首个不依赖高精地图的城市NOA。而特斯拉推出的基于BEV+Transformer的自动驾驶感知路线，可将2D图像转化为BEV鸟瞰图视角下的3D图像，并基于更庞大、更复杂、参数更多的感知算法模块，利用Transformer的注意力机制，将各个传感器统一到同一个连续的四维（三维空间+一维时间）时空中。
2023-11-10 18:19:55
1188
原创 曼孚科技受邀加入中国人工智能产业联盟数据委员会
曼孚科技在大模型和AutoML方面的持续投入，既能满足企业私有化大模型的需求，也能助力企业小模型的快速迭代落地，最终实现以数据构建起AI通用基础设施，推动数据即服务（DaaS）以及模型即服务业务拓展，打造全AI全产业链体系。通过先进的数据加密技术和访问控制措施，曼孚科技保证数据的安全存储和传输，确保数据不会被未授权的人员获取或滥用。作为数据委员会的合作伙伴，曼孚科技相信，数据委员会的成立将为企业和机构加强合作提供平台和机会，为人工智能技术的发展搭建桥梁和纽带，也为数据资源的充分利用和共享做出了积极的贡献。
2023-11-02 13:58:37
615
原创 4D标注——将传统标注推向新高度
4D标注是指在三维空间基础上，加入时间维度的标注过程。传统的三维标注只能捕捉物体的静态信息，而4D标注则可以记录物体在时间轴上的运动和变化。具体来说，传统的人工标注方式通常需要大量的时间和人力资源，而且容易出现主观误差。而4D标注可以结合计算机视觉算法，通过自动化和半自动化的方式来实现高效的标注。例如，利用计算机视觉算法对视频进行目标跟踪，可以自动捕捉物体在时间轴上的位置变化（如记录物体进入和离开画面的时间），并进行相应的标注。这样不仅大大节省了标注的时间和成本，也能够提高标注的准确性和一致性。
2023-10-18 13:57:32
1331
原创 曼孚科技完成数千万元B轮融资，以数据构建面向未来的AI基础设施
AI产业历经多年发展，已逐渐步入技术与商业的交叉点。算法模型从关注增量的建模改进，转变为强调性能的迭代与优化，以契合商业应用场景对模型质量更为苛刻的要求。结构化数据已成为AI算法模型开发与迭代的基础。AI强大“理解力”的造就，离不开结构化数据源源不断的输入，和对数据更为精细化的运用。AI行业正围绕以数据为中心进行整合，谁拥有数据，谁就拥有模型的定义权。在细分场景，自动驾驶城市NOA热潮兴起。
2023-10-10 11:11:36
246
原创 曼孚科技 - 自动驾驶数据标注丨申报2023金辑奖 · 汽车新供应链百强
这种模式允许汽车制造商和自动驾驶技术公司以按需付费的方式，获取曼孚科技提供的高质量自动驾驶数据服务，不仅降低了客户的使用门槛，同时也为曼孚科技带来了稳定的收入来源。数字化时代下，智能与汽车产业的融合，不仅在产品层面带来了诸多创新，也推动了汽车产业价值链体系的重塑，使产品的内涵与外延得到进一步扩展，加速了行业新供应链网络的形成。作为一家专注于自动驾驶数据服务赛道的高科技企业，曼孚科技不仅拥有先进的技术研发能力，且一直积极探索新的商业模式，为汽车产业带来了诸多创新解决方案。
2023-09-13 14:35:18
331
原创 浅析数据标注的难点与解决办法丨曼孚科技
随着人工智能和机器学习的迅速发展，越来越多的应用需要大量标注好的数据集来进行训练和验证。然而，数据标注并不是一项容易的工作，它不仅费时、费力、费钱，且标注质量会直接影响模型的性能，从而影响到整个人工智能系统的准确性和可靠性。因此，针对现阶段数据标注存在的一系列问题，本文将从数据质量、成本效益、标注员自身素质与专业知识储备等方面探讨数据标注的难点，并提出解决这些问题的方法和技术。
2023-09-07 16:25:22
1898
原创 暴雨天气下，自动驾驶汽车如何应对？
综上所述，虽然暴雨天气对自动驾驶汽车带来了一些挑战，但随着技术的不断进步和数据的不断优化，自动驾驶汽车在暴雨天气下的性能和安全性将得到进一步提升。：在车辆动力学控制方面，采用先进的涡轮增压系统可以提高车辆的抓地力和稳定性。：将不同类型的传感器如摄像头、雷达、激光雷达等进行融合，综合利用它们的优势，以弥补单一传感器在暴雨天气中的缺陷，提高自动驾驶的感知能力。：通过收集大量的暴雨天气数据，如降雨强度、能见度、路面湿滑程度，以及与车辆操控和路况等数据，可以为系统提供更准确和全面的天气预警信息。
2023-08-09 15:10:47
733
原创 如何避免模型数据的偏差？
了解和识别数据偏差类型，并采取相应的解决方法，是调整训练数据集质量，减少偏差对模型性能影响的关键。如果数据集中的数据主要来自特定地区、特定网站或特定社交媒体平台，可能无法充分代表整体的数据分布，导致模型在处理其他来源的数据时表现不佳。因此，消除训练数据中的偏差至关重要。：时效性偏差是指随着时间的推移，训练数据所代表的现象或环境发生变化，而训练出的模型未能及时适应变化。：确保训练数据集的多样性，多样化的数据能够减少特定偏差对模型训练的影响，可以通过从不同来源收集数据、合成数据或引入各种视角来实现。
2023-07-06 15:50:49
848
原创 L3级标准出台在即，自动驾驶商业化迎来“奇点”时刻
自动驾驶规模化商业应用迎来“奇点”时刻。6月21日，工信部在国务院政策例行吹风会上透露，将启动智能网联汽车准入与上路通行试点，组织开展城市级“车路云一体化”示范应用，支持有条件的自动驾驶。同时，将坚持“车-能-路-云”融合发展，并重点开展以下工作：一是支持关键技术攻关，要加快关键芯片、高精度传感器、操作系统等新技术新产品的研发和推广应用，进一步提升产业发展内生动力。二是进一步完善网联基础设施。
2023-07-03 10:10:58
270
原创 案例分享：基于预训练大模型的AI自动标注
从自动化时代到智能化时代，人工智能潜在的价值规模迅速扩张。如何将潜在的应用价值落到现实场景是摆在一众AI企业面前亟待破解的难题。数据资源场景单一且有限、算力资源存在上限且成本高企、高端人才稀缺等问题无一不在阻碍AI产业的规模化商业落地。而伴随着以ChatGPT为代表的大模型应用热潮的兴起，预训练大模型为解决上述问题提供了一条现实可行的技术路径，成为一张AI企业都想抓在手中的奔向“新世界”的船票。
2023-05-19 16:33:06
2034
原创 干货 | 自动驾驶领域各大顶会顶刊集合梳理（附名单） 曼孚科技
以上就是自动驾驶领域内最具代表性的顶会和顶刊，它们对于推动自动驾驶技术的发展，促进相关研究的积极交流和探讨，具有不可替代的重要作用。广大自动驾驶技术研究者可以参考这些会议和期刊，更为深入地了解自动驾驶技术的发展方向，从而不断提高自己的专业水平和研究成果质量，为自动驾驶的长足发展做出更多贡献。
2023-04-13 11:39:40
4468
人工能领域＋自动驾驶技术＋数据标注技术相关内容
2024-02-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人