检测到攻击时再抑制特定内部特征，可提升VLA鲁棒性。
资讯摘要
论文用稀疏自编码器（SAE）分析视觉-语言-动作（VLA）模型的内部表征，找到一个与对抗补丁存在强相关的特征。作者据此提出：仅在推理时由线性探针检测到攻击后，才抑制该特征，从而无需微调即可提升鲁棒性。在LIBERO-10上的评估显示，间歇性攻击下条件干预提高了成功率，而持续施加同一干预会明显损害策略性能。
要点速读
- 论文用稀疏自编码器分析VLA表征，识别出与对抗补丁强相关的特征。
- 方法仅在推理时由线性探针检测到攻击后抑制该特征，无需微调VLA。
- 在LIBERO-10上，条件干预提升间歇攻击下的成功率，持续干预则显著降低策略性能。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。