AD-MCQ

新方法通过可验证推理和紧凑设计增强自动驾驶视觉语言模型

研究人员正在开发新方法来提高自动驾驶视觉语言模型（VLMs）的推理能力。一种名为 DEFT-RLVR 的方法通过将未来轨迹设为验证目标而非预决策锚点来解决轨迹锚定偏差，从而实现更真实的推理和更少的幻觉。另一种名为 MoRAL 的方法则专注于通过使用编码了 LiDAR 和雷达数据的传感器接地鸟瞰图表示来为边缘设备创建紧凑型视觉语言模型，从而实现高效可靠的空间推理。