推理中的仿真 (SiR)：面向自动驾驶的实证 grounded AI 概念框架

大型语言模型（LLM）虽通过思维链等技术提升了推理能力，但其推理多局限于文本与假设，缺乏在交通等复杂动态领域中的实证基础。本文提出“推理中的仿真”（SiR）概念框架，将领域专用模拟器直接嵌入 LLM 推理循环。通过将中间推理步骤转化为可执行的仿真实验，SiR 将 LLM 推理从叙事合理性转变为可证伪的“假设 - 仿真 - 分析”工作流。该框架支持 LLM 制定智能交通系统策略假设，调用交通模拟器评估结果，并通过验证优化策略，旨在构建可信且经实证的自动驾驶 AI 系统。