加州山景城 - 谷歌的自駕車部門 Waymo 發現，控制自駕車 (AV) 性能的原則與大型語言模型 (LLM) 的原則相似。
研究表明，增加訓練數據和計算資源可以直接提高自駕車的性能。這一發現表明了一種冪律關係，即性能的提高與訓練計算和數據集大小的擴展相關。
Waymo 的研究強調了自駕車和大型語言模型之間的關鍵區別。雖然大型語言模型通常受益於更大的模型規模，但自駕車可以透過在更多數據上進行訓練來獲得最佳性能，即使模型相對較小。
這一見解對自駕車開發中的數據收集策略和模型大小選擇具有重要意義。自駕車中較小的模型大小可以降低延遲，透過擴展的訓練數據集大小和計算來提高車載系統性能。
Waymo 目前擁有涵蓋 500,000 小時駕駛的數據，並使用其「Carcraft」虛擬世界進行駕駛模擬。該公司在幾個城市運營，計劃今年擴展到十個城市。
Waymo 認為，豐富數據的質量和規模以及模型將帶來更好的自駕車性能。這一結論為開發人員提供了改進自駕車能力的明確途徑。