检测与抑制：针对 VLA 模型对抗补丁的机制性防御
研究者用稀疏自编码器（SAE，Sparse Autoencoder）分析视觉-语言-动作（VLA，Vision-Language-Action）模型的内部表示，找到一个激活与对抗补丁强相关的特征，仅在线性探针检测到攻击时于推理阶段抑制该特征，无需微调即可提升鲁棒性。在 LIBERO-10 上的测试显示，间歇性攻击下按需干预能提高成功率，而持续施加同一干预会明显损害策略性能。
#安全/对齐
arXiv · cs.AI模型评分3434 arXiv · cs.AI模型评分5050 研究：VLA 策略无法判断何时不该行动，空指令下仍会执行任务
研究在 LIBERO-Goal 仿真中对六个模型检查点测试空、中性、无意义、不可行和错误任务指令，发现即使指令为空，六个检查点每次都会让机器人开始移动，其中五个还常完成指令未指定的任务。