点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 近年来，以LLM、VLM和VLA为代表的基础模型在自动驾驶决策中扮演着越来越重要的角色，吸引了学术界和 工业界越来越多的关注。许多小伙伴们询问是否有系统的分类汇总。本文按照模型类别，对决策的基础模型进行 汇总，后续还将进一步梳理相关算法，并第一时间汇总至『自动驾驶之心知识星球』，欢迎大家一起学习交流~ 基于LLM的方法 基于LLM的方法主要是利用大模型的推理能力描述自动驾驶，输入自动驾驶和大模型结合的早期阶段，但仍然 值得学习~ Distilling Multi-modal Large Language Models for Autonomous Driving LearningFlow: Automated Policy Learning Workflow for Urban Driving with Large Language Models CoT-Drive: Efficient Motion Forecasting for Autonomous Driving with LLMs and Chain ...

点击小程序查看报告原文 Abstract 摘要 LLM在个股投研的应用：因子挖掘、个股复盘 随着资本市场信息生产机制的加速迭代，上市公司每日披露的公告、舆情、产业链动态等非结构化数据呈现指数级增长。传统人工复盘模式受限于信息处 理效率与认知边界，已难以满足投资者对海量增量信息的实时追踪与价值提炼需求；成熟的基本面选股逻辑如何高效地转化为定量因子也是困扰投资者的 重要问题。本报告提出，通过大语言模型（LLM）技术构建智能化个股复盘框架和基本面因子生成框架，期望通过技术赋能的方式助力投资者实现投研 工作流的提质增效。 主观逻辑因子化和个股复盘或为LLM在个股投研中较好的应用场景。 利用LLM构造基本面选股因子的挖掘框架，可以发挥LLM在推理能力和创造性方面 的优势，提高主观选股逻辑到量化因子的转化效率。利用LLM构建智能化个股复盘体系，可以发挥LLM在处理非结构化数据及观点总结能力方面的优 势，可有效抽取每日关键信息，高效复盘每日最新信息，输出带有一定置信度评估的初步结论，为投资者提供决策参考锚点。 基于LLM的基本面因子挖掘框架：发挥LLM的创造力 关键点：Prompt引导因子创造方向。 在基于LLM的基本面因 ...