自动驾驶规划不再只吃一个分数：把反思指导压进单次推理，训练时间省九成
自动驾驶的视觉-语言-动作模型过去靠一个标量轨迹分数学习，分数低却说不清是场景理解、行为选择还是轨迹执行出错。Reflect-VLA把带评估诊断与纠正建议的反思指导当作只在训练时可见的特权信息，用双路径在线策略自蒸馏把纠正偏好写进直接生成轨迹的策略：风险轨迹对齐教师的词元级纠正分布，可靠轨迹做自模仿保留。在NAVSIM v1/v2与Bench2Drive上取得有竞争力的规划表现，训练时间比强化学习减少九成以上，推理时单次生成、不需要指导或迭代修正。