STEER：无需场景难度标注的VLA自适应推理路由

Yangang Zou等作者提出STEER，一种面向VLA模型过度推理问题的通用缓解策略，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。作者称，此前在思维链与直接响应之间做路由优化的方法依赖人工场景难度标注，成本高、难扩展，且驾驶复杂度判断主观、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。 作者称在NAVSIM v1/v2上的实验显示，STEER在规划质量与推理效率的帕累托前沿上与现有方法具有竞争力；该工作已被NeurIPS 2026接收。上述效果均为作者自述，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。