CritiqueDriveVLM：从验证者引导的强化学习到潜在思维蒸馏用于自动驾驶

端到端视觉语言模型在自动驾驶中潜力巨大，但常受推理幻觉和保守偏差困扰。现有思维链方法虽有效却导致高延迟。为此，本文提出 CritiqueDriveVLM 框架：首先引入多维验证者引导的批判驱动多轮强化学习，迫使策略内化逻辑推导，构建高精度 System-2 教师模型；随后提出潜在思维蒸馏，将教师的深层推理能力压缩至无需思维链的快速 System-1 学生模型。实验表明，该方法在保持竞争力的同时，将推理延迟降低 88%，实现了低延迟高鲁棒的自动驾驶推理。