在连接的自动驾驶车辆上测试大型语言模型的驾驶理论知识和技能
原文中文，约400字，阅读约需1分钟。发表于：。应用远程或边缘大型语言模型（LLMs）支持自动驾驶的新方法，使用行驶理论测试评估多种 LLMs 模型（包括 OpenAI GPT、Baidu Ernie 和 Ali QWen），实验结果显示 GPT-4 具有改进领域知识和 CAV 驾驶辅助能力，但成本也高出 GPT3.5 近 50 倍。
本研究评估了多模态大型语言模型（MLLMs）在自动驾驶领域的应用，并发现它们在预测复杂、动态的驾驶环境中存在不足。通过使用专门设计的模拟器进行实验研究，结果显示当前领先的MLLMs在真实动态环境中应用能力上存在重要差距，需要改进基础模型以提高其在真实世界动态环境中的适用性。
