看到小康转发的这条内容，那就再发一次，为什么国内模型，不会在“停字”标牌停下来吧。

为什么我们的模型，学不会在“停”字标牌附近停下来，观察后再走？从模型训练角度，这个现象有它的客观原因：因为国内大部分司机都不会停车，你很难挖掘出相关的训练数据。

你可以想象下，自己手动驾驶，见到“停”是怎么开的？ 大部分人看到车流会停下，没有车流会往前拱，确认安全后直接开走，中间可能就没有停车。所以我们的模型也是类似操作就不奇怪了。

我们的大多数模型看到车流会停；没看到车流，会减速，但不会停车。

FSD 为什么会停车，也是因为美国有大量stop sign停车场景，法规有强制要求，特斯拉也能拿到海量的相关训练数据。其实FSD beta时期，特斯拉因为rolling stop策略，做不到完全停车（溜过去），被NHTSA处罚过，随后他们去掉了这个策略，模型就知道停到0。所以很显然，FSD在预训练之后，就学会了停车动作。

那可能有人会问，通过强化学习，通过仿真，让模型学会在“停”字标牌下停车，是不是也行？

我只能说，理论上可行，但如果你想让他稳定执行，并且能在真实世界里保证泛化性是极难的，模型的一致性可能很差，而你为此投入的算力成本又很高昂。这就类似，婴儿还没学会走路，你就给他装上外骨骼跑百米冲刺，是一个道理。

所以，在小鹏VLA 630的那期节目里，我才会说：模型学过什么路况、什么样的驾驶行为，就会影响它怎么开，这就是种豆得豆，种瓜得瓜。