arXiv cs.CL· Mayur Kulkarni·· 12 小时前AI 评分24
Reason-or-Recite：用 LLM 裁判协调两个互补专家的交通异常推理框架
Reason or Recite: Complementary Specialists with an LLM Judge for Traffic Anomaly Reasoning
AI 导读
Reason-or-Recite（RoR）在 2026 AI City Challenge 交通异常推理赛道（Track 3）排名第一，平均得分 0.6788。该框架将官方思维链标注改写为结构化、时间对齐的 schema，用 LoRA 微调 9B 视觉语言模型；另对 4-bit 量化的 27B 模型仅用答案微调以吸收标注风格，再由无需训练的 LLM 裁判逐题在两者间选择。
正文 · AI 翻译
摘要：碰撞、违规和突发危险等道路异常对视频理解的要求远不止检测：一个实用的系统必须核实发生了什么、描述场景并解释原因。我们发现这些能力对视觉语言模型而言方向相反：封闭式问题奖励精确、基于证据的推理，而开放式答案则按与参考文本的相似度评分，其中匹配标注风格与推理正确同样重要。我们提出 Reason-or-Recite（RoR），一个用于 2026 AI City Challenge 交通异常推理赛道的双专家框架。RoR (1) 将官方思维链标注改写为结构化、时间接地的模式，并在增强轨迹上对 9B 视觉语言模型进行 LoRA 微调；(2) 仅基于答案对 4 位量化的 27B 模型进行微调，以吸收标注风格；(3) 通过无需训练的 LLM 评判器为每个问题在两个候选答案之间进行选择。RoR 以平均分 0.6788 在域内排行榜上排名第一。
| 评论： | 18 页，3 幅图，5 张表。已被 ECCV 2026 的 AI City Challenge Workshop 接收。在 Track 3（交通异常推理）中获得第一名 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| ACM 分类： | I.2.10; I.4.8 |
| 引用为： | arXiv:2610.34993 [cs.CV] |
| （或 arXiv:2610.34993v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.34993 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mayur Kulkarni [查看电子邮件]
[v1]
2026 年 10 月 26 日星期一 08:05:21 UTC（306 KB）
来源：arXiv cs.CL · arxiv.org