微调后的模型被保存在 /home/hy/source/code/transformer/LLaMA-Factory/saves/Qwen2.5-VL-7B-Instruct/lora/train_2025-07-27-12-30-16 中, ui会显示loss进度和进度条。下面是图片 2022-07-14--14-32-55--11_first/0553.png 的一些对话. 对话内容在QA_fr

对模型进行微调，这里假定大家已经能够实现LoRA模型的微调，我们GRPO算法修改的参数也是Lora参数。对于一个prompt，我们生成num_samples个样本，分别计算其奖励，计算平均奖励作为基准值（替代价值函数），然后减去平均奖励，我们就能得到每个样本的优势函数，然后对其进行标准化。在介绍重要性采样之前，我们需要先计算一下序列的对数概率，只有这样，我们才能对不同的模型进行差异性比较。至此模型

随着人工智能与机器人技术的发展，智能体与物理世界的交互成为研究核心。具身智能强调通过与环境的物理交互实现感知、行动和认知，使机器人能基于物理世界反馈调整行为与认知，是通往通用智能的重要部分，其意义不止于物理任务执行，更通过感官输入、运动控制和认知处理的闭环整合，构成真正自主性和适应性的基础。：由 Cyberbotics Ltd. 于 1998 年推出，提供机器人建模、编程和仿真的集成框架，2018

点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近30个方向学习路线视觉语言模型（Vision-Language Model, VLM） 正以其独特的跨模态理解与推理能力，成为赋能下一代自动驾驶系统的关键引擎。VLM的核心在于打通视觉与语言之间的壁垒，让自动驾驶不仅能“看见”道路，更能像人类一样“理解”场景、意图并进行深层次的推理。在自动驾驶的复杂环境中，VLM展现出强大的应用潜力：

所以本章节先从计算机图形学的基础讲起，三维空间的隐式表达和显式表达、渲染管线、光线追踪、辐射场渲染都是什么，这些技术概念和3DGS的联系是什么。整体上第二章的设计思路是带大家先打好基础，先详细梳理3DGS的原理部分及核心伪代码，接着讲解动态重建、表面重建、鱼眼重建和光线追踪的经典文章和最新的算法，由点及面层层深入。Chris：QS20 硕士，现任某Tier1厂算法专家，目前从事端到端仿真、多模态大

为了让同学们更好的理解和掌握自动驾驶VLA，第六章的大作业我们从网络构建开始，基于ms-swift框架，自定义数据集和加载模型，开启自己的训练任务并进行微调，并提供V-L-A各部分的代码解读以及可修改优化的demo。目前从事多模态感知、自动驾驶VLA、大模型Agent等前沿算法的预研，并已主持和完成多项自动驾驶感知和大模型框架工具，拥有丰富的自动驾驶、大模型研发和实战经验。目前从事在线建图感知、自

实验采用的数据集比例为80%的真实nuScenes数据与20%的合成反事实数据——该比例通过实证验证确定，既能提供充足的故障样本以修正乐观偏差，又不会显著偏离真实驾驶动态的模型先验。在AD-R1框架中，该公正世界模型作为内部评估器，使智能体能够在安全的离线环境中从“想象故障”中学习，最终大幅减少闭环仿真中的安全违规事件。为安全高效地获取该奖励信号，现有方法依赖外部仿真器，但如前文所述，这些仿真器存

最近和不少刚接触自动驾驶的小伙伴聊了聊，发现很多同学都处在相对懵逼的阶段。怎么前两年还是BEV感知、3D目标检测、在线高精地图之类的方向，咋一年不到遍地都是端到端、大模型了。。。这些方向的算力要求实验室根本满足不了，有没有那种适合毕业科研并且算力要求比较低的方向？后面工作上也有应用场景？有！还真有！！！这个方向就是三维重建领域的3D Gaussian Splatting！相比于隐式神经网络的黑盒表

但本身为了进一步衡量舒适性/效率等指标，会利用专家数据（高质量的人类驾驶数据）+ 不太好的驾驶行为数据共同训练出一个reward-model，因为强化学习是利用reward来指导模型训练，而上述描述的任务本身是为了学习生成reward，这个过程刚好相反，故一般把这些任务叫做逆强化学习。假设一个智能体在执行时序任务时，其动作本身可分解成系列状态概率转移任务，比如时间戳t下自己的状态（s）, 根据状态

采用Qwen3模型，可以是Dense模型，也可以是MoE模型，暂时开的Qwen3-VL-235B-A22B是MoE模型，位置编码MRoPE-Interleave，t,h,w 交错分布的形式，对长视频理解效果更好。抓着云栖大会，猛开源是吧，两天时间，开源了Qwen3-Omni系列模型、Qwen-Image-Edit-2509模型、Qwen3-VL模型、Qwen3Guard-Gen系列模型，共计12个