研究提出VLA对抗补丁检测与抑制防御方法

Yukiya Horiba等作者发表论文，提出一种针对视觉-语言-动作（VLA）模型对抗补丁的机制性防御方法。研究者用稀疏自编码器（SAE）分析VLA模型内部表征，找到一个激活与对抗补丁存在强相关的特征，并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上的评测显示，这种条件式干预提升了间歇性攻击下的成功率，而持续施加同一干预会显著损害策略性能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。