看了特斯拉 FSD v14.3 的更新日志，其中诸多的改进，比如通过 RL 训练在各种驾驶场景中都取得了改进，比如加强对警车、校车、加塞车的响应，甚至通过重写编译器提升了 20% 的反应速度。

这些如何在评测中体现？很难。

原因在于，在 FSD v14.2 中，上述这些场景在 99% 的情况下表现都已经非常好，提升 20% 无疑是很大的改进，但 FSD v13 延迟已经很低，如何量化呈现？

很难很难。

和一个做模型研发的朋友聊，从研发的角度，特斯拉内部可能积累了几十万条的极端场景闭环测试数据集。让 FSD v14.2 和 14.3 跑一遍，就能看出是否有提升了。

这些极端场景假设日常跑 1000 km 会遇到一次，特斯拉如果有 10 万条，跑一次就相当于内测测了 1 亿 km 了。

即便如此，特斯拉 AI VP Ashok 在去年演讲中说，评估仍然是他们面临的最有挑战的问题。

我们也能看到，从特斯拉内部车队开始推，再到今天推到外部用户全量，还是存在各种小 bug。

如果模型已经解决了一个又一个复杂场景，在 99% 的情况下表现都很好，继续推进就会越来越难。评测也会越来越难。

辅助驾驶这个事，快结束了。