知识点 › 场景挖掘与标注

教师模型与伪标签

Teacher / Pseudo-label

场景挖掘与标注Lv.3

定义

用大模型（或集成模型）在离线数据上生成标签，再蒸馏给小模型。伪标签的噪声会累积，需要置信度过滤、一致性校验、以及「只在高置信区采用」。

关键要点

  • 置信度阈值决定标注率与准确率的权衡曲线，要画出来给业务看
  • 教师模型自身会「确认偏误」：它漏掉的类别，伪标签永远学不会
  • 要留一部分纯人工标注做校准锚点

面试怎么答

能说出「确认偏误」和「人工锚点」，说明你踩过坑。

相关知识

  • 蒸馏 — 大模型（教师）教小模型（学生）：软标签、特征对齐、关系蒸馏。智驾里主要用于「云端大模型 → 车端小模型」，也是自动标注…
  • 自动标注 — 用离线大模型（教师模型）+ 多帧融合 + 建图/SLAM 生成高质量伪标签，替代或减少人工。自动标注率（自动产出且被采…
  • 自动打标算子 — 用离线大模型在数据上跑推理，产出检测/跟踪/分割/占用/轨迹标签：检测头 → 时序跟踪融合 → 投影回各帧 → 置信度…
在星图上打开这颗星 →