Qwen Model Family
Qwen 是本轮新增资料中反复出现的开源 LLM/VLM/LALM 模型族线索，用于 DSBench、Driver-WM 和 MAC-SLU 等研究。
当前资料中的角色
- 2025-DSBench-VLM内外安全风险：fine-tune Qwen2.5-VL-7B 得到 DSVLM，用于 external + in-cabin driving safety QA benchmark。
- 2026-Driver-WM舱内动态世界模型：使用 frozen Qwen3-VL features 作为 latent state interface，建模 external traffic context conditioned driver dynamics。
- 2025-MAC-SLU车内语音理解：评测 Qwen3、Qwen2-Audio、Qwen2.5-Omni 等在中文多意图车内 SLU 上的 pipeline / E2E 表现。
对 MINIEYE 的参考价值
Qwen 在这些资料中不是“直接上车模型”，而是三个方向的方法论工具：
- VLM benchmark / scenario mining：把舱外风险和舱内行为组合成可审查问答。
- frozen feature interface：用大模型视觉特征做离线行为预测和 world model 研究。
- cabin voice / SLU：验证中文多意图、端到端音频理解和 ASR error propagation。
证据边界
- 这些论文多为 benchmark / research setting，不等于车端实时部署。
- Qwen2.5-Omni / Qwen3-VL 等大模型的算力、延迟、内存与车规部署仍是主要限制。
- benchmark 上的 fine-tune 增益说明 domain data 重要，不代表模型天然具备安全闭环能力。
后续核验
- 哪些 Qwen 模型有可商用 license、端侧蒸馏方案或车规部署案例。
- 对 MINIEYE 更现实的用法：离线标注、数据挖掘、case review、语音语义 benchmark，而不是实时安全闭环。
- 与现有车端 SoC/NPU 的模型压缩、量化、蒸馏可行性。
相关页：