面向大模型时代的智能机舱开发与评估研究
机器学习
2024-09-25 v1 人工智能
摘要
人工智能(AI)大模型的发展对汽车智能机舱的应用开发产生了深远影响。智能机舱与大模型的融合开发已成为用户体验领域的新的增长点，这也为相关学者、实践者和用户就其对用户体验和智能机舱大模型(ICLM)能力特征的理解与评估提出了挑战。本文旨在分析智能机舱、大模型和AI Agent的当前情况，揭示应用研究的关键焦点在于智能机舱与大模型的集成，并提出对后续开发ICLM评估系统能力和用户体验的必要限制。本文提出的P-CAFE评估系统主要从认知架构、用户体验和大模型能力特征三个领域提出五个一级指标(感知、认知、行动、反馈和演化)，并选取满足当前应用和研究焦点的诸多二级指标。经过专家评估后，确定了各指标的权重，建立了P-CAFE指标体系。最后，构建了基于模糊层次分析法的完整评估方法。这将为汽车ICLM的应用与评估奠定坚实基础，并为未来ICLM的开发和改进提供参考。
引用
@article{arxiv.2409.15794,
title = {Towards Universal Large-Scale Foundational Model for Natural Gas Demand Forecasting},
author = {Xinxing Zhou and Jiaqi Ye and Shubao Zhao and Ming Jin and Zhaoxiang Hou and Chengyi Yang and Zengxiang Li and Yanlong Wen and Xiaojie Yuan},
journal= {arXiv preprint arXiv:2409.15794},
year = {2024}
}