研究：CLIP自动驾驶危险检测的嵌入漂移与决策失稳不一致

Everett Richards 等发布论文，分析基于 CLIP 的视觉语言模型在自动驾驶危险检测中的鲁棒性，结论是嵌入漂移不能稳定预测危险分数的变化，两者关系高度依赖扰动类型。 研究在 BDD100K 路况数据上施加受控扰动，对比图像嵌入漂移与由图文相似度导出的危险分数变化（margin drift）。结果显示不同扰动族表现不一致：有的扰动下嵌入漂移与决策变化强耦合，有的扰动在嵌入变化不大时仍导致危险决策不稳定；多数扰动通过漏检抑制危险识别，而遮挡反而引发误报。 作者建议鲁棒性基准应加入任务对齐的稳定性度量，并考虑不对称失效模式。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。