以下文章来源于圆周智行 ，作者圆周智行 圆周智行 . 具身智能产业研究与服务平台，智能出行与机器人。 来源 | 圆周智行 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 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享，如有侵权，联系删文 10月25日，特斯拉AI负责人阿肖克·埃卢斯瓦米（Ashok Elluswamy）在X上发布长文，揭秘了特斯拉FSD的技术方法论。他重点解释了为什么特斯拉要选择端到 端神经网络模型，以及在实践中遇到的问题和解决方案。 2023年6月端到端以后，特斯拉再没有公布过新的技术方向。而在特斯拉闭麦两年后，国内自动驾驶公司又先后在VLA，世界模型上争论不休。 这一次，特斯拉再一次通过一篇论文回到舞台中央。在国内争论不断地端到端、VLA和世界模型，特斯拉又是如何理解的。接下来，在这篇文章里，我们会提到 多个反共识。 特斯拉在长文中解释了为什么要选择端到端神经网络。日常驾驶里，随时随地都存在"电车难题、二阶效应（如果A，那么B）"等长尾问题，规则写不出来，很 多场景也无法提前预判。只能通过AI的方式来解决。关于这一 ...

纪要涉及的行业或公司 主要涉及转债市场，未明确提及具体公司 纪要提到的核心观点和论据 - **市场观点与投资建议** - 当前市场观点偏中性，指标表现不上不下，模型观点为 0.51 即中性偏好，投资者应仔细评估策略 [3][14] - 市场观点鲜明时强调具体投资建议，模糊时关注结构性机会，寻找特定领域或行业投资机会 [1][6] - 当前适合购买长期上涨且溢价率较低的看涨期权、YTM 偏高且正股走势平稳的个券、中等估值弹性的个券，其中看涨期权最多，中等估值弹性个券次之 [2][15] - **强化学习模型特点及应用效果** - 强化学习模型评估当前购买行为及未来卖出时机优化转债收益，样本外数据显示 2020 年后多数时间建议为 0，需更高激励改变决策 [1][5] - 与普通深度学习模型不同，强化学习模型考虑动作后状态及其价值，适用于转债环境 [4] - 模型可通过引入更多因子、采用退火算法等随机探索策略、使用缓存池记录训练数据避免局部最优化问题，提升泛化能力 [1][9] - 在转债个券应用中，模型可降低最大回撤约 9.4%，提高年化回报 2%，但不适用于电力、银行等超级大盘转债 [1][10] - 历史数据显示模型能有效规避趋势性风险，如避开 2024 年 1 月和 2025 年 3 月市场下跌，趋势上升时重新进入，但对小盘流动性问题等特殊情况难分辨 [1][11] - **仓位管理策略** - 仓位管理可根据市场状态动态调整，长期平均仓位为 46%，适合与二级债基或半仓转债结合使用，极端情况可完全退出市场，近期保持中性观点灵活调整 [1][13] 其他重要但是可能被忽略的内容 - 研究转债应细致结合基本面和策略分析，基金内部分工后最终需结合两者得出结论 [16] - 临期债券表现通常不如全样本测试，新客户可参考报告，老客户无需过多关注 [17] - 转债投资经理需具备研究和表达能力，清晰交流有助于非专业人士理解复杂产品 [18]