【论文笔记】【强化微调】AgentThink：思维链推理 + 工具调用

AgentThink: A Unified Framework for Tool-Augmented Chain-of-Thought Reasoning in Vision-Language Models for Autonomous Driving

1. 引述

这是一篇自动驾驶领域的论文。我对这篇论文主要感兴趣的点在于其对于工具调用（Tool Call）的设计。这一点同时也被设计在了其强化微调时的奖励函数上。

2. 论文摘要

视觉-语言模型（VLM）在自动驾驶领域展现出巨大潜力，但其易产生幻觉、推理效率低下及缺乏真实世界验证的缺点，限制了对环境的精准感知和稳健的逐步推理。

为了解决这些挑战，我们提出了 AgentThink——首个将链式思维（CoT）推理与动态、代理式工具调用相结合的自动驾驶统一框架。AgentThink 的核心创新包括：

1. 结构化数据生成：构建自动驾驶工具库，自动生成显式融入工具使用的结构化、自验证推理数据，以覆盖多样化驾驶场景；

2. 双阶段训练流程：结合监督微调（SFT）与组相对策略优化（GRPO），赋予 VLM 自主调用工具的能力；

3. 代理式工具使用评估：提出多工具