STEER：面向自动驾驶的无标注路由自适应推理方法

STEER是一种缓解VLA模型过度推理的通用策略，目标是在不使用场景难度标注的情况下实现显式路由优化。作者指出，此前显式优化CoT与直接响应之间路由的方法依赖人工场景难度标注，成本高、难扩展且因驾驶复杂度判断主观而容易出错。STEER包含两个组件：路由不确定性感知采样，按模型不确定性校准采样以对齐路由多样性；跨路由优势信用分配，用基于环境奖励的差分指标强化最优路由决策，而非依赖主观标签。在NAVSIM v1/v2上的实验显示，STEER在规划质量和推理效率的帕累托前沿上与现有方法具有竞争力。该工作被NeurIPS 2026接收。