❝ 自动驾驶VLA的思维链应该更灵活。 尽管思维链（Chain-of-Thought, CoT）等推理技术已广泛应用于视觉-语言-动作（Vision-Language-Action, VLA）模型，并在端到端自动驾驶中展现出良好性能，但现有 融合CoT推理的方法在简单场景中往往表现不佳——不仅未提升决策质量，还会引入不必要的计算开销。 为解决这一问题，清华&小米等团队提出 AdaThinkDrive ：一种受"快慢思考"理论启发、具备双模式推理机制的新型VLA框架。具体而言，该框架首先在大规模自动驾 驶（Autonomous Driving, AD）场景上进行预训练，通过问答和轨迹数据集获取世界知识与驾驶常识；在SFT阶段，引入包含"快速回答（无CoT）"和"慢速思考（有 CoT）"的双模式数据集，使模型能够区分需要推理的场景；此外，本文还提出"自适应思考奖励策略"，并结合GRPO通过比较不同推理模式下的轨迹质量，对模型选择 性应用CoT的行为进行奖励。在Navsim基准测试集上的大量实验表明，AdaThinkDrive的预测驾驶模型评分（Predictive Driver Model Score, PDMS ...