2月21日，据清华大学智能产业研究院消息，清华大学智能产业研究院AIR团队于2026年2月发表在《npj Artificial Intelligence》的研究《驾驶任务中的人类与算法视觉注意力》，以自动驾驶这一安全关键领域为载体，首次通过“人类眼动追踪实验+算法对比验证”的双轨设计，系统性拆解了人类与算法视觉注意力的本质差异。其核心价值在于提出人类驾驶注意力的三阶段量化划分框架，并证实：算法视觉理解的核心缺陷是缺乏“语义显著性提取能力”，而融入人类检查阶段的语义注意力，能以经济高效的方式填补专业算法的“语义鸿沟”与大模型的“接地鸿沟”，无需依赖大规模预训练。

2月21日，据清华大学智能产业研究院消息，清华大学智能产业研究院AIR团队于2026年2月发表在《npj Artificial Intelligence》的研究《驾驶任务中的人类与算法视觉注意力》，以自动驾驶这一安全关键领域为载体，首次通过“人类眼动追踪实验+算法对比验证”的双轨设计，系统性拆解了人类与算法视觉注意力的本质差异。其核心价值在于提出人类驾驶注意力的三阶段量化划分框架，并证实：算法视觉理解的核心缺陷是缺乏“语义显著性提取能力”，而融入人类检查阶段的语义注意力，能以经济高效的方式填补专业算法的“语义鸿沟”与大模型的“接地鸿沟”，无需依赖大规模预训练。

2月21日，据清华大学智能产业研究院消息，清华大学智能产业研究院AIR团队于2026年2月发表在《npj Artificial Intelligence》的研究《驾驶任务中的人类与算法视觉注意力》，以自动驾驶这一安全关键领域为载体，首次通过“人类眼动追踪实验+算法对比验证”的双轨设计，系统性拆解了人类与算法视觉注意力的本质差异。其核心价值在于提出人类驾驶注意力的三阶段量化划分框架，并证实：算法视觉理解的核心缺陷是缺乏“语义显著性提取能力”，而融入人类检查阶段的语义注意力，能以经济高效的方式填补专业算法的“语义鸿沟”与大模型的“接地鸿沟”，无需依赖大规模预训练。

2月21日，据清华大学智能产业研究院消息，清华大学智能产业研究院AIR团队于2026年2月发表在《npj Artificial Intelligence》的研究《驾驶任务中的人类与算法视觉注意力》，以自动驾驶这一安全关键领域为载体，首次通过“人类眼动追踪实验+算法对比验证”的双轨设计，系统性拆解了人类与算法视觉注意力的本质差异。其核心价值在于提出人类驾驶注意力的三阶段量化划分框架，并证实：算法视觉理解的核心缺陷是缺乏“语义显著性提取能力”，而融入人类检查阶段的语义注意力，能以经济高效的方式填补专业算法的“语义鸿沟”与大模型的“接地鸿沟”，无需依赖大规模预训练。

2月21日，据清华大学智能产业研究院消息，清华大学智能产业研究院AIR团队于2026年2月发表在《npj Artificial Intelligence》的研究《驾驶任务中的人类与算法视觉注意力》，以自动驾驶这一安全关键领域为载体，首次通过“人类眼动追踪实验+算法对比验证”的双轨设计，系统性拆解了人类与算法视觉注意力的本质差异。其核心价值在于提出人类驾驶注意力的三阶段量化划分框架，并证实：算法视觉理解的核心缺陷是缺乏“语义显著性提取能力”，而融入人类检查阶段的语义注意力，能以经济高效的方式填补专业算法的“语义鸿沟”与大模型的“接地鸿沟”，无需依赖大规模预训练。