TNAS诊断揭示推理VLA模型视觉扰动下的文本-动作背离
热点事件持续更新
TNAS诊断揭示推理VLA模型视觉扰动下的文本-动作背离
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
研究人员针对推理VLA模型提出Text-Neutral Action-Subspace (TNAS)诊断方法，旨在探究视觉扰动对模型输出的影响机制。该方法聚焦于Alpamayo驾驶模型与InstructVLA操作模型中共享的文本/动作接口。 TNAS诊断显示，模型局部最敏感的动作方向与活跃的文本损失梯度近似正交。这意味着视觉扰动可显著改变物理动作，而自然语言理由保持逐字不变，揭示了推理过程中的隐性发散。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 13:00
推理 VLA 模型中 Text-Action 发散性的诊断与引导报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · ML推理 VLA 模型中 Text-Action 发散性的诊断与引导
视觉扰动可改变推理 VLA 模型的物理动作，同时保持自然语言理由逐字不变。 研究人员在 Alpamayo 和 InstructVLA 上验证了 Text-Neutral Action-Subspace (TNAS) 诊断方法，发现该方向的动作敏感度远高于文本梯度扰动。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。