📄ArXiv AI•較早收集於 19h
X-Blocks：自動駕駛車輛自然語言解釋的語言構建模塊
#automated-vehicles#nl-explanations#llm-ensemble#dependency-parsingx-blocks
💡91% accurate LLM framework decodes AV explanation linguistics—vital for XAI in driving (68 chars)
⚡ 30-Second TL;DR
有什麼變化
階層式 X-Blocks 框架分析解釋的脈絡-句法-詞彙層級
為什麼重要
提供基於證據的原則，用於 AVs 的情境感知自然語言生成，提升信任與透明度。資料集無關設計可延伸至其他安全關鍵 AI 領域，如機器人學。
下一步行動
Apply RACE framework with open LLMs to classify explanations in your AV dataset.
誰應關注：Researchers & Academics
關鍵要點
- •階層式 X-Blocks 框架分析解釋的脈絡-句法-詞彙層級
- •RACE 多 LLM 分類器在 DeepDrive-X 上達到 91.45% 準確率與 0.91 Cohen's kappa
- •使用 Dirichlet 先驗的對數賠率揭示情境特定詞彙模式
- •依賴解析提取可重用文法模板，依謂詞與因果類型變化
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ArXiv AI ↗
每週 AI 簡報
每週一封，可隨時退訂。