自动驾驶

TerraTransfer++ 自博弈端到端规划器，NAVSIM navhard/navtest 达 59.4/95.5

展示一种无需人工演示的端到端自动驾驶训练范式，用自博弈策略蒸馏出轨迹教师，显著降低数据成本并超越现有方法。

DriveMind 将 Bench2Drive DS 从 68.50 提升至 81.37，SR 达 54.09%

以多假设持续更新替代逐帧从零推理，在模糊交互场景提升显著，对闭环驾驶决策设计有直接借鉴价值。

QualiDrive 沿驾驶质量轴做扩散，NAVSIM v2 达 92.74 EPDMS 最优

把扩散生成重构成场景特定的质量阶梯，而不是沿用噪声轴，说明条件设计比更换 backbone 更能提升规划可靠性。

反事实干预发现驾驶 VLA 推理与行为 弱耦合，限制可解释性

对依赖 VLA 文字推理做安全解释的部署提出警示：文本 reasoning 未必忠实反映轨迹原因，需要加强因果评测与透明度验证。