本研究提出了一种新型无归一化变压器架构，结合动态Tanh和快照集成策略，以提高自主驾驶系统的轨迹预测准确性和稳定性。实验结果显示，该方法在Argoverse数据集上显著提升了预测精度和鲁棒性。

该文综述深度学习损失曲面研究，提出模型对齐与融合算法，发现单流域现象及反例；证明宽网络无次优盆地、窄网络存在；揭示深度集成优于贝叶斯网络，平坦区域采样更高效；提出快速几何融合方法，在多个数据集上优于快照集成。