自动驾驶领域的视觉语言模型（VLM）近年来展现出令人瞩目的性能，但这些模型能否正确处理不同地区特有的交通规则，仍然是一个缺乏深入研究的课题。这一空白使得人们难以判断此类模型在跨越全球多种驾驶环境部署时是否可靠。针对这一问题，研究团队提出了 GeoDrive-Bench，这是一个全新的基准测试平台，旨在系统性地考察视觉语言模型在地理与文化语境下的驾驶推理能力。该论文以 arXiv:2606.02774 编号提交于 2026 年 6 月 1 日，作者为 Yingzi Ma 等三位研究者，归属于计算机视觉与模式识别（cs.CV）方向。
GeoDrive-Bench 的核心是一套经过人工验证的多选题问答数据集，共包含 5,053 组问答对，覆盖六个在驾驶文化上差异显著的国家。这些题目围绕四类驾驶任务展开，分别是感知、预测、规划以及区域推理。值得注意的是，每道题都要求模型仅依据视觉证据和当地交通惯例推断出正确的驾驶行为，而题目本身并不提供明确的国家标签。这意味着模型必须自己从场景线索中识别所处的地理文化环境，并据此调整判断。
除了评测功能之外，研究团队还设计了一种蒸馏算法，用于将特定地区的交通规则知识注入视觉语言模型的内部表征之中。通过这种方式，模型能够更好地把对视觉场景的理解与当地驾驶政策对齐，从而在跨地区场景中做出更符合本地规范的反应。这一设计使 GeoDrive-Bench 不仅是一个诊断工具，同时也具备训练导向的价值。
实验部分，研究者对九个当前最先进的视觉语言模型进行了测试。结果显示，在各地区的驾驶文化下，模型在每一项任务上的表现都存在显著差异，说明现有模型对地理文化差异的敏感度不足且表现不稳定。相比之下，研究者提出的基线模型在多个地区的文化语境推理上表现出明显改善。
这些结果共同表明，当前的视觉语言模型仍缺乏稳健的区域感知驾驶智能。研究者据此强调，GeoDrive-Bench 可作为面向可部署自动驾驶基础模型的诊断与训练测试平台，帮助业界更清晰地认识模型在全球化部署中的短板，并为后续改进提供方向。