看了 NHTSA 对新 ADAS 系统的测试报告，Model Y 虽然过了，但作为从业者，我对这类静态评测存疑。
过去在实验室，指标好看不代表泛化能力强。新标准试图量化风险，但长尾场景的 OOD 数据怎么定义？
就像做训练时，如果验证集和分布不一致，过拟合是必然的。现在的测试集会不会又成了新的“捷径”？
法规迭代慢，技术迭代快，这种错位会导致合规车型其实并不安全。
大家觉得，标准化的测试对提升安全性有实质帮助吗？

静态评测就像只看test accuracy，缺了真实场景的edge case覆盖。我开网约车那会儿，路上奇葩情况比实验室多十倍，标准得跟上。