晚点写蔚来的文章这段有意思：-晚点：理想的智驾负责人曾说，他们从80万车主中

晚点写蔚来的文章这段有意思：

-晚点：理想的智驾负责人曾说，他们从 80 万车主中，筛选 3% 老司机的驾驶数据来训，从而让模型做到和老司机一样的驾驶体验。你们也是这样做的么？

任少卿：其实我们不是。这是个很有意思的话题，你先回答我，到底我们需不需要车撞了的数据？

-晚点：当然需要了。

任少卿：为什么呢？如果是专家数据就不会有这东西，因为专家开的都很标准。

-晚点：不一定，很多老司机开车就非常激进。所以如果用海量用户数据训练，和用专家数据训练，效果会有什么差别？

任少卿：那我们先要明确自己要什么，最基础的是两块：语言模型带来的是「概念认知」，世界模型带来的是「时空认知」。把这两块拼在一起，最后才会走向 AGI。

基于这个框架，数据的选择就分成两种：专家数据，干净，质量高，但量小、贵。比如找 300 个老司机开，采得很标准，但你没法找 3 万个。

量产数据，量大、成本低，分布广，什么情况都有——开得很标准的、有点冒失的，甚至有事故的。这样模型才能学会 「什么情况下会出错」。

但专家数据的弊端是缺少 corner case（极端/边界情况），不标准的情况都被过滤掉了。但真实世界恰恰充满这些边界情况。量产数据虽然「脏」，但通过强化学习去 「洗」，反而能让模型学到更多、更复杂的东西。

-晚点：当时很多厂商从规则往模型切的时候，用户会觉得，使用智驾的体验却变得更差了。我之前以为是模型「学老司机学坏了」。你怎么解释这个「倒退」现象？

任少卿：我们发现一个特别有意思的例子，在小路上的驾驶场景。智驾车在小路上很容易遇到边界情况：车距很近，你得减速，还得打方向。如果是用专家数据，或者专家数据加一堆规则训出来的，这个场景就不容易做到丝滑。经常会一出边界，就切到兜底规则，车就 「一顿一顿」 的，体验很差。

我们在今年 5 月份推的版本，几乎没这个问题。因为我们用了大量的真实数据，里面既有非常标准、安心的驾驶，也有离其他车很近的情况。加上强化学习训练之后，整个系统在边界场景下也能连贯，不容易掉到兜底逻辑里。

-晚点：所以这里有一个核心，就是「强化学习」。我记得当时训语言模型的时候大家也遇到过类似问题：干净数据 vs 大量脏数据。

任少卿：以前的小数据集，比如李飞飞老师 2010 年搞的 ImageNet，100 万张精标图片，花了很多时间去标，质量很高，所以可以用模仿学习——老师做什么，我照抄就行。

大语言模型不一样，它直接把整个互联网的数据灌进去。这些数据洗不干净，里面有很多乱七八糟的、不合适的内容。没办法，量太大了。怎么办？在 GPT-3.5 之前大家是「加规则」——不许输出这些词。

但后来就有了强化学习，它能把「好的分布往前排，坏的往后放」，某种程度上相当于后端洗数据。智驾也一样：专家数据干净但量少，量产数据量大但脏，需要强化学习去洗。

这就是蔚来智驾宣传「小路之王」的原因？