arXiv 论文提出拉马克进化框架，用于自动驾驶训练策略发现
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载为什么替换代理指标
论文指出，自动驾驶能力高度依赖训练阶段遇到的场景分布。现有做法通常依据真实性、难度或风险等代理标准来构造或动态调整场景分布，但这些预设的代理标准未必能真实反映训练价值，可能造成训练资源使用效率偏低。作者因此提出用候选分布之间的竞争来取代代理指标引导，把训练策略发现当作一个多阶段双层优化问题，并用拉马克进化算法去逼近它的解。这一思路的核心在于不再由人预先规定什么样的场景更有价值，而是让不同场景分布方案在训练过程中相互竞争、由结果筛选。
内外两层的分工
框架分为内外两层。外层采用达尔文式的交叉、变异与选择操作，在场景分布空间中搜索候选方案；内层则进行策略学习，让智能体获得新能力，再通过拉马克式继承把这些能力传递到后续阶段。这样场景分布与策略能力可以共同演化，而不是先固定场景再训练策略。作者称，由此产生的进化轨迹中出现了反复出现的阶段性规律，其特征是通过逐阶段的挑战轮换实现能力积累。作者进一步把这些规律提炼成一个轻量、可复用的拉马克训练策略，使其不必依赖完整框架也能使用。
实验数字与开放情况
实验部分给出的对比结果是：与基线相比，完整框架把性能损失最多降低 25.07%，而经过提炼的轻量策略仍能实现 19.13% 的降低。作者认为这说明进化竞争既能发现有效的训练策略，也能揭示训练分布价值随策略能力变化而变化的可复用阶段性模式。论文提交于 2026 年 10 月 8 日，编号 arXiv:2610.11662，作者为 Yichun Ye、He Zhang、Ye Tian、Jian Sun，代码已在 GitHub 提供。需要说明的是，材料只给出相对基线的性能损失降幅，未说明基线具体配置、测试场景与硬件条件。
为什么值得看
用进化竞争替代人工设定的场景难度代理指标，并给出可复用的阶段式训练规律，对做自动驾驶训练数据与课程学习的人有直接参考价…
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。