這周在組會上被問到一句很實(shí)在的話現(xiàn)在自動駕駛?cè)ψ永镉懻摱茸罡叩膸讉€團(tuán)隊(duì)他們到底在做什么我該不該跟著選方向。我第一反應(yīng)就是去看某高校智能研究團(tuán)隊(duì)的年度工作盤點(diǎn)。這幾年做自動駕駛研究的人其實(shí)都清楚學(xué)術(shù)圈的產(chǎn)出質(zhì)量和方向選擇往往比產(chǎn)業(yè)界早半年到一年透露出關(guān)鍵信號。這篇就順著這個團(tuán)隊(duì)的2025年公開工作拆一拆背后哪些方向值得追、哪些只是虛火也聊聊我們做工程的該怎么從這些論文里挖出真正能用的東西。我會把全文分成四塊先是2025年自動駕駛學(xué)術(shù)研究整體在卷什么接著按方向拆解幾類代表性工作背后的技術(shù)邏輯再落到學(xué)術(shù)成果怎么和工程落地銜接最后給從業(yè)者一份自己的跟進(jìn)建議。文章里所有團(tuán)隊(duì)信息和人名都做了脫敏處理畢竟聊的是技術(shù)本身不是追星。1. 2025年自動駕駛學(xué)術(shù)研究的主戰(zhàn)場從感知競賽走向智能體決策1.1 年度盤點(diǎn)里透露出的三個轉(zhuǎn)向信號把2025年幾大自動駕駛團(tuán)隊(duì)的工作放在一起對比一個很明顯的感受是單純刷感知精度的時代基本過去了。前幾年大家都在比檢測mAP、分割I(lǐng)oU或者BEVBird‘s Eye View鳥瞰視角下誰的重建更準(zhǔn)但今年頭部團(tuán)隊(duì)的產(chǎn)出明顯往更高層的決策、預(yù)測、交互規(guī)劃上傾斜。第一個轉(zhuǎn)向信號是世界模型類工作大規(guī)模出現(xiàn)。這個詞聽起來玄說白了就是讓自動駕駛系統(tǒng)在腦子里建一個“模擬器”提前推演接下來幾秒甚至幾分鐘內(nèi)路上會發(fā)生什么。你開車時能預(yù)判旁邊車會不會變道靠的是經(jīng)驗(yàn)現(xiàn)在學(xué)術(shù)界做的就是把這種預(yù)判能力用神經(jīng)網(wǎng)絡(luò)顯式建模出來。第二個信號是端到端路線從爭議變成了主流議程。2025年幾乎沒有哪家團(tuán)隊(duì)敢說完全不碰端到端區(qū)別只是激進(jìn)程度不同。有的做純感知到控制的直接映射有的做模塊化端到端即保留部分中間結(jié)構(gòu)化輸出但整體用神經(jīng)網(wǎng)絡(luò)串起來。這個轉(zhuǎn)向不是學(xué)術(shù)圈自己拍腦袋而是因?yàn)楫a(chǎn)業(yè)界已經(jīng)在用實(shí)際路測數(shù)據(jù)驗(yàn)證這條路的可行性。第三個信號是多模態(tài)大模型開始侵入駕駛決策鏈路。語言、視覺、語音統(tǒng)一建模車不再只是“看見”路還能“理解”周圍環(huán)境。比如路邊施工牌寫得是“前方施工請繞行”傳統(tǒng)感知只能識別這是一塊牌子大模型做法是直接讀出文字含義并影響后續(xù)路徑規(guī)劃。這三個轉(zhuǎn)向背后其實(shí)是研究重心的遷移。過去十年自動駕駛學(xué)術(shù)圈的核心矛盾是“機(jī)器看不看得見”現(xiàn)在的問題是“機(jī)器看懂了之后該不該這么做”。感知問題已經(jīng)被相機(jī)、激光雷達(dá)、大算力平臺解決得很成熟但“決策是否安全、是否符合交規(guī)、是否像人類一樣懂得博弈”這些問題才剛剛被擺上桌。注意這里說的不是感知不重要而是感知已經(jīng)從一個“學(xué)術(shù)難題”變成了“工程問題”。學(xué)術(shù)前沿往前走了從業(yè)者跟進(jìn)的時候別還盯著老地圖。1.2 頂尖團(tuán)隊(duì)選方向的底層邏輯為什么這類頭部團(tuán)隊(duì)會在2025年集中布局這些方向背后有幾層很現(xiàn)實(shí)的考量。第一層是論文發(fā)表的可延續(xù)性。一個方向如果想持續(xù)產(chǎn)出必須有足夠深的坑可以挖。感知方向已經(jīng)卷到邊際收益很低再發(fā)一篇檢測精度提升0.3個點(diǎn)的論文審稿人自己都會問“so what”。而世界模型、端到端交互決策這些方向從理論框架到評測標(biāo)準(zhǔn)都還在演化期每一年都能找到新問題、新benchmark團(tuán)隊(duì)可以一個系列連續(xù)做三五年。第二層是和數(shù)據(jù)紅利綁定。自動駕駛領(lǐng)域誰掌握了高質(zhì)量數(shù)據(jù)誰就掌握了研究主動權(quán)。團(tuán)隊(duì)依托高校和產(chǎn)業(yè)平臺的聯(lián)合資源優(yōu)勢拿到的路采數(shù)據(jù)、閉環(huán)仿真數(shù)據(jù)、Corner Case場景數(shù)據(jù)都是普通研究者拿不到的。做世界模型、做仿真評測這類方向數(shù)據(jù)規(guī)模就是護(hù)城河這也在一定程度上解釋了為什么這類工作多出自資源充裕的頭部團(tuán)隊(duì)。第三層是成果能雙向轉(zhuǎn)化。高校團(tuán)隊(duì)的產(chǎn)出既要發(fā)論文也得對產(chǎn)業(yè)有反饋。世界模型可以被量產(chǎn)車用于仿真測試端到端模型的中間表征可以被部署到車端芯片多模態(tài)大模型能直接改善人機(jī)共駕體驗(yàn)。這些方向天然具備了“論文能發(fā)、代碼能跑、產(chǎn)品能用”的三重屬性選它們既有學(xué)術(shù)品位又有產(chǎn)業(yè)價值。但這恰恰是普通團(tuán)隊(duì)和頭部團(tuán)隊(duì)拉開差距的地方。方向誰都能看懂資源門檻卻是實(shí)打?qū)嵉?。我們看盤點(diǎn)時心里要有數(shù)哪些成果依賴超大規(guī)模算力哪些成果依賴獨(dú)家數(shù)據(jù)哪些成果是算法創(chuàng)新驅(qū)動、任何團(tuán)隊(duì)都有機(jī)會跟進(jìn)。分清這三類才知道該學(xué)什么、不該盲目追什么。2. 關(guān)鍵研究方向逐項(xiàng)拆解每篇工作背后到底在解決什么問題2.1 世界模型讓車先“腦補(bǔ)”一遍再上路世界模型是2025年自動駕駛學(xué)術(shù)圈最熱的關(guān)鍵詞之一。它要解決的本質(zhì)問題是車輛在遇到?jīng)]見過的場景時能不能先在內(nèi)部模擬環(huán)境變化再做出合理決策。舉個例子。你開車經(jīng)過一個路口有個行人站在路邊看手機(jī)。老司機(jī)的預(yù)判是這人可能在猶豫要不要過街所以會減速防備。傳統(tǒng)自動駕駛呢要么靠識別到行人后觸發(fā)保守策略要么根本不會預(yù)判。世界模型的思路是先把當(dāng)前場景壓縮成一個內(nèi)部狀態(tài)然后用神經(jīng)網(wǎng)絡(luò)推演出未來3秒的多條可能演化路徑——行人可能在等車過去、可能突然起步、可能低頭繼續(xù)玩手機(jī)——在這幾條分支里做風(fēng)險預(yù)估再規(guī)劃出最穩(wěn)的駕駛策略。團(tuán)隊(duì)今年在這條線上有幾篇工作很有代表性。一篇聚焦于如何讓模型在低算力條件下做多模態(tài)預(yù)測不是把圖生視頻那套重模型直接搬過來而是用輕量級的狀態(tài)空間建模壓縮計(jì)算量。另一篇則從評測出發(fā)構(gòu)造了一套對抗性場景生成器專門找出世界模型預(yù)測失誤的邊界條件反過來倒逼模型迭代。我在跟進(jìn)這類工作時最大的體會是世界模型現(xiàn)在的瓶頸早就不是“生成得逼不逼真”而是“預(yù)測得準(zhǔn)不準(zhǔn)、用不用得起”。很多論文展示的視頻效果非常夢幻未來渲染一夜之間車輛穿梭但真到了車端芯片算力、延遲、顯存都極其受限。研究團(tuán)隊(duì)的這些工作如果不附上實(shí)時性評測工程價值就要打折扣?？催@類論文時我會重點(diǎn)看三個數(shù)字單幀預(yù)測耗時、顯存占用、以及多模態(tài)預(yù)測的召回率。2.2 端到端駕駛從分模塊串聯(lián)到全局聯(lián)合優(yōu)化傳統(tǒng)自動駕駛是流水線傳感器先出感知結(jié)果感知結(jié)果交給預(yù)測模塊預(yù)測再給規(guī)劃模塊規(guī)劃算完軌跡給控制執(zhí)行。每個模塊獨(dú)立優(yōu)化接口靠人工定義。問題在于感知的小誤差會在流水線里逐級放大而且中間表示必然損失信息——感知模塊覺得“這是個障礙物”但這個障礙物是塑料袋還是石塊對規(guī)劃策略的影響天差地別傳統(tǒng)流水線很難傳遞這種細(xì)粒度信息。端到端路線的核心思想是不要分那么多段讓模型直接從傳感器數(shù)據(jù)學(xué)出控制指令。中間可以保留一些隱式表征但不做顯式模塊切分這樣信息流動不損耗。團(tuán)隊(duì)今年有篇工作做的就是純視覺端到端輸入攝像頭數(shù)據(jù)、輸出方向盤轉(zhuǎn)角和加減速指令但他們沒有一刀切拋棄所有中間量而是在網(wǎng)絡(luò)內(nèi)部保留了可解釋的注意力圖方便安全員和工程師判斷模型到底在看哪里。這個設(shè)計(jì)非常務(wù)實(shí)。純端到端在學(xué)術(shù)輿論場特別“性感”但真正到了路測階段如果不知道模型為什么在某條匝道上突然減速安全團(tuán)隊(duì)根本不敢簽字。保留中間注意力是學(xué)術(shù)理想和工程安全之間的一個折中。做自動駕駛設(shè)計(jì)的人真的應(yīng)該仔細(xì)體會這種“帶有安全剎車的端到端”思想。不過也要說句實(shí)話端到端的評測仍是老大難問題。感知做得好不好可以拿標(biāo)注框?qū)σ幌露说蕉讼到y(tǒng)開得好不好你沒法用一個數(shù)字量化“像老司機(jī)一樣流暢”。這個團(tuán)隊(duì)今年也提出了一套分層次評測體系從道路偏移率、交互安全裕度、乘客舒適性感知三個維度拆解駕駛行為算是補(bǔ)了一塊短板。這套評測思路比模型本身更值得工程團(tuán)隊(duì)借鑒。2.3 數(shù)據(jù)閉環(huán)與仿真引擎自動駕駛的“考試出題組”不少從業(yè)者拿到某個團(tuán)隊(duì)的算法包興沖沖跑一遍自測數(shù)據(jù)集發(fā)現(xiàn)效果不理想第一反應(yīng)是算法太弱。但真相往往出在數(shù)據(jù)側(cè)頭部團(tuán)隊(duì)手里握有海量真實(shí)路采數(shù)據(jù)更重要的是他們手里的仿真引擎能自動挖掘出人一輩子都碰不到的極端場景。團(tuán)隊(duì)今年的數(shù)據(jù)閉環(huán)工作核心思路是“對抗式數(shù)據(jù)挖掘”。他們不是被動收集路測時遇到的Corner Case而是訓(xùn)練了一個攻擊模型主動搜索當(dāng)前駕駛策略的失效邊界。攻擊模型會在仿真環(huán)境里嘗試各種激進(jìn)的變道、逆行、非機(jī)動車穿插一旦發(fā)現(xiàn)主車的決策不穩(wěn)就把這個場景截圖反饋給訓(xùn)練集。這套打法和做安全攻防的一模一樣你沒法靠猜來防御所有攻擊你得先假設(shè)自己是攻擊者系統(tǒng)地試出系統(tǒng)的弱點(diǎn)。做自動駕駛的研發(fā)團(tuán)隊(duì)真該把這種對抗思維刻進(jìn)基因里。仿真引擎那邊團(tuán)隊(duì)重點(diǎn)做了“真實(shí)感穿越”這件事——他們說仿真出來的傳感器數(shù)據(jù)和真實(shí)差距太大模型在虛擬世界里開得好上路就抓瞎。因此他們在做的事是讓仿真渲染出的激光雷達(dá)點(diǎn)云和相機(jī)圖像在分布上逼近真實(shí)路采同時加入傳感器噪聲模型像磨刀一樣反復(fù)校準(zhǔn)這個分布差。這里要提醒一下做數(shù)據(jù)閉環(huán)的人最容易踩的坑是把挖掘到的難例直接塞進(jìn)訓(xùn)練集以為越多越好。實(shí)際上模型會被難例帶偏反而在正常場景上表現(xiàn)退化。正確的做法是先做難例聚類分析它們是否覆蓋某個未見過的語義類別或空間布局再決定是增量訓(xùn)練還是單獨(dú)建一個修正分支。這方面團(tuán)隊(duì)的方法對樣本取舍講得很細(xì)值得專門拉出代碼細(xì)讀。2.4 多模態(tài)大模型讓車“看懂路牌”也“聽懂人話”2025年自動駕駛和通用大模型的交叉明顯從概念討論走向了具體落地。團(tuán)隊(duì)這邊做了一個很有意思的項(xiàng)目語言-視覺對齊的駕駛感知助手。傳統(tǒng)感知模型可以識別出前方有一個限速牌、內(nèi)容是白色圓形加黑色數(shù)字但要它理解“這個牌子意味著接下來幾百米要減速到60”就不行了。他們的做法是引入一個跨模態(tài)對齊層把檢測到的文本語義與高精地圖上的路段信息融合然后生成帶原因的駕駛決策建議。這背后有一個很關(guān)鍵的技術(shù)點(diǎn)怎么把語言模型的推理能力約束到駕駛這個強(qiáng)安全敏感的領(lǐng)域里。通用大模型可以天馬行空回答“前方撞車了怎么辦”但車端系統(tǒng)絕對不能輸出一句模棱兩可的建議。團(tuán)隊(duì)做了一個決策約束頭把語言模型的token輸出限制在一個預(yù)定義的可執(zhí)行動作集內(nèi)同時附上置信度。這個設(shè)計(jì)很見功力等于給自由發(fā)揮的大模型焊了一條安全護(hù)欄。對工程團(tuán)隊(duì)來說大模型上車目前最大的問題還不是效果而是推理延遲和成本。一個幾十億參數(shù)的模型跑一遍要幾百毫秒在高速場景下這個時間足夠車沖出去幾十米了。所以現(xiàn)在學(xué)術(shù)界的做法普遍是“大模型在云端當(dāng)教練、小模型在車端做執(zhí)行”。云端模型負(fù)責(zé)復(fù)雜場景推理和給駕駛策略打分選出一個最優(yōu)方案后壓縮成指令下發(fā)車端只跑一個幾百萬參數(shù)的輕量化模型負(fù)責(zé)快速執(zhí)行。團(tuán)隊(duì)在這個部署鏈條上的工作是做通信壓縮和策略蒸餾雖然不如“大模型開車”聽起來驚艷但反而是量產(chǎn)最需要的東西。提示當(dāng)你在論文里看到“大模型賦能自動駕駛”之類的標(biāo)題先別急著興奮。先看它跑在云端還是車端端到端延遲多少模型參數(shù)多少。如果沒有這些數(shù)字那就是概念視頻不是工程方案。3. 從論文標(biāo)題到工程落地學(xué)術(shù)成果怎么變成技術(shù)資產(chǎn)3.1 復(fù)現(xiàn)論文時的誤區(qū)和正確打開方式過去兩年我沒少干復(fù)現(xiàn)論文的活也踩了不少坑。最典型的誤區(qū)是拿到論文開源代碼就開跑跑了結(jié)果不達(dá)預(yù)期就懷疑作者造假。事實(shí)上學(xué)術(shù)項(xiàng)目里大量的性能增益來自實(shí)驗(yàn)過程中的數(shù)據(jù)預(yù)處理細(xì)節(jié)、訓(xùn)練時長、隨機(jī)種子和多卡并行策略這些通常不會寫在論文里但會陰差陽錯地優(yōu)化到論文濾鏡之下。以團(tuán)隊(duì)的端到端駕駛工作為例開源repo里有個很不起眼的配置文件定義了一個“先冷啟動預(yù)訓(xùn)練3個epoch再用真值損失微調(diào)10個epoch”的流程。如果你不做這個預(yù)訓(xùn)練直接正式訓(xùn)練最終駕駛成功率會掉10個點(diǎn)不止。這種“隱性調(diào)參”不是作者故意坑你而是學(xué)術(shù)實(shí)驗(yàn)和工程復(fù)現(xiàn)本身存在天然的信息損耗。對策是復(fù)現(xiàn)前先花半小時讀一下這個團(tuán)隊(duì)同系列的前幾篇工作弄清楚他們的訓(xùn)練哲學(xué)再看代碼倉庫的issue列表很多調(diào)參玄學(xué)早就有人替你踩出來了。第二個常見誤區(qū)是維度錯位。學(xué)術(shù)評測用的是特定路測集采集天氣、道路類型、交通密度和你手里的數(shù)據(jù)完全不同。模型在波士頓的雨夜表現(xiàn)好不代表在成都的早高峰就好。復(fù)現(xiàn)成果時先建立一套自己的“最小驗(yàn)證集”包含光明路、高架匝道、擁堵蠕行、夜間雨霧四類場景跑完框架級的對比才有意義。3.2 學(xué)術(shù)成果與量產(chǎn)體系的對接點(diǎn)在哪里學(xué)術(shù)工作和量產(chǎn)系統(tǒng)之間隔著一層“評測指標(biāo)體系”的鴻溝。學(xué)術(shù)界習(xí)慣用一個大盤平均指標(biāo)衡量模型好壞量產(chǎn)工程則要求每個子場景都過安全閾值。你可以在論文里說“整體接管率下降30%”但量產(chǎn)團(tuán)隊(duì)必須回答“這個下降是靠優(yōu)化城區(qū)場景還是高速場景拉平的如果高速場景反而變差了這個模型就不準(zhǔn)上車”。所以工程團(tuán)隊(duì)在對接學(xué)術(shù)成果時不建議直接拿整套算法替換線上系統(tǒng)。更務(wù)實(shí)的做法是切塊吸收從世界模型工作里提取出預(yù)測分支復(fù)用到現(xiàn)有預(yù)測模塊中做多模態(tài)軌跡假設(shè)生成。從端到端工作的注意力可視化里設(shè)計(jì)出針對感知置信度的監(jiān)控指標(biāo)把“模型不自信但人不知道”的情況暴露出來。從數(shù)據(jù)閉環(huán)工作里移植對抗場景挖掘管線接到自家仿真平臺。這個團(tuán)隊(duì)好幾篇工作思路都是“不破不立但只立必要的那塊”。比如他們并沒有把整個規(guī)劃模塊換成黑盒神經(jīng)網(wǎng)絡(luò)而是保留原有采樣基線和兜底邏輯只是在失效場景下切入備用策略分支。這種模塊化吸收方式既降低了安全回歸的風(fēng)險也給了系統(tǒng)量產(chǎn)放行的信心。3.3 高校研究與產(chǎn)業(yè)研發(fā)的分工邏輯有從業(yè)者問我高校團(tuán)隊(duì)做的這些成果是不是太超前了我們這些做量產(chǎn)的人看了除了焦慮還有什么用。我的答案是高校團(tuán)隊(duì)做的是“證明有路”產(chǎn)業(yè)研發(fā)做的是“把路修平”。兩者分工完全不一樣不必互相羨慕也不必互相看輕。高校研究適合做高風(fēng)險探索比如端到端這條線能不能走通世界模型能不能真正提升決策水平。這類問題的特點(diǎn)是不確定性極高、反饋周期極長、而且很難被短期商業(yè)KPI度量。如果放在量產(chǎn)團(tuán)隊(duì)里可能三個月沒有指標(biāo)提升就被砍掉了但在學(xué)術(shù)環(huán)境里可以慢慢積累。產(chǎn)業(yè)研發(fā)適合做工程收斂比如多傳感器標(biāo)定增效、邊緣場景泛化、系統(tǒng)級安全冗余、算力優(yōu)化細(xì)節(jié)。這些工作單看沒有論文亮點(diǎn)但組合在一起決定了一輛車能不能安全交付。更現(xiàn)實(shí)地說高校成果進(jìn)入量產(chǎn)中間至少要過三道坎數(shù)值穩(wěn)定性、邊界泛化、實(shí)時資源占用。論文只需證明平均有效量產(chǎn)必須證明處處可控。所以正確的姿勢是把年度盤點(diǎn)當(dāng)成一份行業(yè)風(fēng)向標(biāo)和人才名錄來讀把其中和自家業(yè)務(wù)最相關(guān)的兩三篇深入復(fù)現(xiàn)剩下的方向知道它存在、知道它解決什么問題就夠了。4. 從業(yè)者視角怎么從年度盤點(diǎn)里挖出真東西4.1 看盤點(diǎn)不是看熱鬧而是做方向判斷我認(rèn)為一份高質(zhì)量的方向盤點(diǎn)不僅是論文列表更是投資決策參考。無論你是技術(shù)決策者、算法工程師還是剛?cè)腴T的學(xué)生都要學(xué)會把年度盤點(diǎn)當(dāng)成“技術(shù)雷達(dá)”來使用。第一步先看每個方向這一年是否產(chǎn)生了分代式進(jìn)步。比如世界模型如果只是生成視頻更真那是量的改進(jìn)如果能反向驅(qū)動駕駛策略提升那才是質(zhì)的變化。第二步看目標(biāo)場景是否收斂。2025年這些工作全部在往“城區(qū)復(fù)雜路口”和“中高速匯入博弈”兩個場景集中說明行業(yè)已經(jīng)找到了最痛的坎。第三步看底層支撐技術(shù)是否成熟。團(tuán)隊(duì)大量工作依賴大算力訓(xùn)練說明輕量化部署是下一個缺口這里就有工程從業(yè)者的機(jī)會。我給自己定的規(guī)則是每年從盤點(diǎn)上挑一個主攻方向深入研究配套一個輔助方向持續(xù)關(guān)注其余方向只看摘要和結(jié)論。因?yàn)槿说木τ邢薏荒苊總€方向都撲進(jìn)去。比如今年我會重點(diǎn)研究數(shù)據(jù)閉環(huán)的對抗挖掘因?yàn)楹褪诸^的仿真平臺建設(shè)強(qiáng)相關(guān)世界模型則作為輔助方向跟進(jìn)保持技術(shù)敏感度。4.2 值得跟蹤的評測體系與思考框架除了論文本身團(tuán)隊(duì)工作里最值得產(chǎn)業(yè)界學(xué)習(xí)的是他們構(gòu)建評測體系的思路。我盤點(diǎn)今年他們提出的幾個關(guān)鍵評測維度做成一個便于對照的框架評測維度傳統(tǒng)做法團(tuán)隊(duì)思路工程啟示駕駛成功性是否安全到達(dá)終點(diǎn)拆分為路徑偏移率、違規(guī)率、碰撞率分指標(biāo)才能定位模塊瓶頸交互合理性距離障礙物最小多少米引入博弈安全裕度為主觀“開車像不像人”提供量化工具預(yù)測可靠性平均位移誤差做對抗性邊界場景壓力測試好的預(yù)測模塊必須知道自己的盲區(qū)系統(tǒng)實(shí)時性單幀推理耗時全鏈路延遲預(yù)算表模型再準(zhǔn)超時就是不可用這套表格內(nèi)部用起來很順手。質(zhì)量團(tuán)隊(duì)拿到一個新模型時不再只用單一指標(biāo)一票否決而是讓各模塊對號入座看是哪一塊拖了后腿。沿用這個框架你也可以為自己負(fù)責(zé)的系統(tǒng)畫一張類似的評測表。4.3 個人建議的跟進(jìn)路線圖這里給三條實(shí)操建議按我自己的經(jīng)驗(yàn)排序精讀論文時只精讀方法和實(shí)驗(yàn)設(shè)計(jì)不要逐行讀代碼。先跑通再回頭改關(guān)鍵模塊否則會陷進(jìn)復(fù)現(xiàn)泥潭。團(tuán)隊(duì)開源庫文檔里多半有魔改指南但注意那些魔改往往是適配他們自己數(shù)采車的換到你自己的數(shù)據(jù)上不一定有效保持懷疑。每個季度固定跑一個和業(yè)務(wù)相關(guān)的基線實(shí)驗(yàn)。比如你在做預(yù)測模塊那就選一篇預(yù)測類的最新論文用自己的測試集重測一次。成本不高但對判斷方向的成熟度極有價值。多留意這些團(tuán)隊(duì)招聘和開放崗位的說明上面的技術(shù)棧羅列往往比論文提煉更直白地指向能力需求。如果你做工程看到所需技能是CUDA優(yōu)化、推理加速而不是刷榜調(diào)參那說明單位很務(wù)實(shí)值得參考他們的技術(shù)沉淀方式。最后再說個小經(jīng)驗(yàn)。我現(xiàn)在看任何一篇自動駕駛論文都會問三個問題這個算法在傳感器掉線時還能撐幾秒、這個模型最怕什么場景、以及它有沒有考慮過算力墻。前兩個問題關(guān)乎安全底線第三個問題關(guān)乎能否真正落地。能用這三個問題問倒的論文不少但能扛住這三問的成果通常就是能沉淀成技術(shù)資產(chǎn)的好東西。說實(shí)話看年度盤點(diǎn)這件事最忌諱的就是抱著追星心態(tài)看誰家又發(fā)了多少篇頂會。真正的價值在于通過這些工作的分布和走向看清整個行業(yè)的技術(shù)水位在往上抬。我們自己手里的活既是在踩在巨人的肩膀上補(bǔ)一塊磚也是在為下一年度的工作盤點(diǎn)留一個注腳。