论文

推理模型尚未遵循自动驾驶中的推理：KITScens LongTail 数据集

Reasoning models do not yet follow their reasoning in autonomous driving: The KITScenes LongTail Dataset

Royden Wagner; Omer Sahin Tas; Jaime Villa; Felix Hauser; Yinzhe Shen; Marlon Steiner; Dominik Strutz; Carlos Fernandez; Quentin Delfosse; Christoph Weinhuber; Christian Kinzig; Guillermo S. Gutierrez-Cabello; Hendrik Königshof; Fabian Immel; Richard Schwarzkopf; Nils Alexander Rack; Kevin Rösch; Kaiwen Wang; Jan-Hendrik Pauls; Martin Lauer; Igor Gilitschenski; Holger Caesar; Christoph Stiller来源日期：2026.03.25

模型评测基准与评测资源

摘要

处理罕见事件是自动驾驶面临的核心挑战。推理模型在行动之前生成明确的推理链，有望推广到此类事件。在这里，我们表明这些模型经常不遵循自己的推理：它们在推理中陈述的操作通常与它们最终执行的操作不同。我们引入了 KITScenes LongTail，这是一个罕见驾驶场景的精选数据集，通过测量语义推理-动作一致性来量化这种差异。我们发现当前的通用模型和特定领域模型普遍存在不一致的情况。引人注目的是，当推理的动作和执行的动作不一致时，推理通常是正确的：从推理轨迹中提取动作并通过运动学模型执行它们可以增强一致性，通常可以改善运动规划。这些结果表明，当前模型的推理能力超出了其行为所揭示的能力，并且按照既定推理进行连贯行动是值得信赖的自动驾驶的先决条件。我们的数据集和评估空间位于：https://hf.co/datasets/kit-mrt/kitscenes-longtail