CritiqueDriveVLM：从验证器引导强化学习到潜在思维蒸馏

北京邮电大学MIC实验室提出CritiqueDriveVLM，通过多维验证器引导的多轮强化学习训练无需外部工具的System-2教师模型，再以潜在思维蒸馏压缩其推理能力，生成无需显式CoT的System-1学生模型。在DriveLMM-01上，MCQ从55.54%提升至76.54%，平均输出仅28个token，推理延迟从3482毫秒降至416毫秒，降低88%。