自动驾驶是一个快速发展的领域，有可能彻底改变交通运输。然而，自动驾驶汽车的决策过程可能是不透明和容易出错的，正如近年来发生的几起事故所证明的那样[22]，[26]。由于自动驾驶任务涉及的高安全要求和高风险成本，可解释人工智能（XAI）正在成为自动驾驶最重要的组成部分之一，因为它旨在了解模型的决策过程。从机器学习模型中获得解释的一种方法是让它回答关于它用来做出决策的元素的问题。视觉问答（VQA）[1

这项工作介绍了Talk 2BEV，这是一个大型视觉语言模型（LVLM）（指预处理微调的视觉语言模型;即，可以将文本和图像作为输入，并根据视觉上下文输出文本的模型）接口，用于自动驾驶环境中的鸟瞰图（BEV）地图。虽然现有的自动驾驶场景感知系统主要集中在预定义的（封闭的）对象类别和驾驶场景集合上，但Talk 2BEV将通用语言和视觉模型的最新进展与BEV结构化地图表示相结合，消除了对特定任务模型的需求

如何写好科技论文

强化学习（RL）的核心原则是智能体寻求最大化累积奖励的总和。相比之下，主动推理，认知和计算神经科学中的一个新兴框架，提出代理人采取行动，以最大限度地提高有偏见的生成模型的证据。在这里，我们说明了来自主动推理的想法如何通过（i）提供探索和利用的内在平衡，以及（ii）提供更灵活的奖励概念来增强传统的RL方法。受主动推理的启发，我们开发并实现了一个新的决策目标，我们称之为预期未来的自由能。我们证明了所得

@[TOC](GitHub Copilot Issue in Visual Studio Code “Status Ready (disabled)”GitHub Copilot is not providing code suggestions.Extension settings indicate that it’s enabled globally.In the extensions tab

Linux 文件压缩成tgz格式