| 面向自动驾驶的大模型对齐技术：综述 |
| |
| 作者姓名： | 唐小林 甘露 李国法 李克强 褚文博 |
| |
| 作者单位： | 1.重庆大学机械与运载工程学院;2.清华大学车辆与运载学院;3.国汽(北京)智能网联汽车研究院有限公司;4.重庆理工大学机械检测技术与装备教育部工程研究中心;5.西部科学城智能网联汽车创新中心(重庆)有限公司 |
| |
| 基金项目： | 国家重点研发计划（2022YFB2503205）;国家自然科学基金（52372377,52272421,52222215,52072051）;重庆市自然科学基金（CSTB2023NSCOJOX0003,CSTB2023NSCQ-MSX0985）;智能绿色车辆与交通全国重点实验室开放基金课题（KFZ2409）资助; |
| |
| 摘 要： | 随着Transformer注意力机制的出现,以GPT为代表的通用基础大模型实现了智能的“涌现”,给自动驾驶迈向更高级别发展带来了曙光。受限于传统从头预训练方式需要大规模、高质量、多样性自动驾驶数据和高昂训练成本的困扰“,大模型+对齐技术”范式衍生。对齐技术作为通用基础大模型与自动驾驶之间的纽带,通过微调或提示工程等定制化方式,可高效、专业地解决自动驾驶领域内的工程性问题。对齐技术已是大模型在垂直领域发展的研究热点,但缺乏系统研究成果。基于此,本文首先对自动驾驶发展与大模型技术进行概述,从而衍生出对齐技术。然后,分别从微调和提示工程两个角度进行综述,系统化梳理并剖析各分类技术的结构或性能特点,同时给出实际的应用案例。最后,基于现有研究提出了对齐技术的研究挑战与发展趋势,为促进自动驾驶迈向更高级别发展提供参考。
|
| 关 键 词： | 自动驾驶 大模型 综述 对齐技术 微调 提示工程 |
|
|
