一篇新的研究论文探讨了通过网络摄像头捕获的人类凝视数据是否能帮助自动驾驶模型避免发展出“桌面目标”（mesa-objectives）——即通过虚假关联而非真正识别危险来获得高训练性能的内部目标。研究发现，尽管收集了超过137,000个凝视样本，但在纳入凝视数据后，危险检测并未有统计学上的显著改善。研究人员得出结论，当前网络摄像头眼动追踪技术的精度不足，其误差超过了大多数已检测到的危险的大小，因此无法准确地将凝视归因于特定物体。 AI
影响 这项研究强调了由于当前技术精度不足，使用基于网络摄像头的凝视追踪来提高自动驾驶系统中人工智能安全性的一个潜在局限性。
排序理由 研究论文发表在arXiv上，详细介绍了实验和分析。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
