面向乘车叫车裁决的渐进式视觉-逻辑对齐框架
人工智能
2026-03-19 v1 机器学习
摘要
高效裁决责任争议对于维护平台公平性至关重要。然而，随着乘车叫车量的指数级增长，人工审核已难以实现，而传统自动化方法缺乏准司法裁决所需的推理透明性。尽管多模态大语言模型提供了可行的范式，但其在通用视觉语义与严谨证据协议之间存在根本性鸿沟，常导致感知幻觉和逻辑松散。为解决这些系统性错位问题，本文引入 RideJudge，一个渐进式视觉-逻辑对齐框架。不同于依赖通用预训练，我们通过 SynTraj—a 将抽象责任概念锚定到具体轨迹模式的合成引擎——弥合语义鸿沟。为解决海量监管数据与有限上下文窗口之间的冲突，我们提出自适应上下文优化策略，以提炼专家知识，配合证据链式裁决机制以强制主动证据询问。此外，针对稀疏二元反馈难以评估复杂责任的问题，我们实现一种新型的有序敏感强化学习机制，依据层次化严重性校准决策边界。大量实验表明，我们的 RideJudge-8B 达到了 88.41% 的准确率，超越 32B 规模的基线，树立了可解释裁决的新标准。
引用
@article{arxiv.2603.17328,
title = {A Progressive Visual-Logic-Aligned Framework for Ride-Hailing Adjudication},
author = {Weiming Wu and Zi-Jian Cheng and Jie Meng and Peng Zhen and Shan Huang and Qun Li and Guobin Wu and Lan-Zhe Guo},
journal= {arXiv preprint arXiv:2603.17328},
year = {2026}
}