Problem

現有的自駕視覺語言模型（VLM）在訓練與標註過程中，常讓教師模型預先接觸到真實的未來軌跡（GT trajectory）。這會導致模型產生「軌跡錨定偏誤」（Trajectory Anchoring Bias），使其僅是為已知結果強行找理由，而非根據現場環境證據進行推論，進而在因果關係複雜的場景中引發嚴重的幻覺與邏輯錯誤。

Method

研究團隊提出「自駕多選題」（AD-MCQ）機制，將路徑規劃轉化為從多個候選軌跡中進行選擇，以避免開放式生成帶來的幾何合成難度。在此基礎上，進一步開發 DEFT-RLVR 框架，將未來軌跡從「決策前的提示」轉變為「決策後的驗證目標」，迫使模型必須先進行決策判斷，再進行結果驗證。

Results

實驗數據證明，DEFT-RLVR 能顯著提升模型在自駕場景下的推理品質，並大幅減少幻覺現象，同時還能維持甚至增強模型的通用視覺能力。透過 AD-MCQ 的架構，研究者能靈活調整問題難度，為自駕推理的可驗證性提供了一個具備擴展性的研究基礎。

Significance

此研究解決了視覺語言動作（VLA）模型在訓練中的誠信問題。透過將決策過程與未來軌跡解耦，不僅提升了自駕決策的因果忠實度，更為未來開發具備高度邏輯一致性、安全且可解釋的自動駕駛系統開闢了新路徑。