Detect and Suppress：针对VLA模型对抗补丁的机制性防御

研究对VLA模型的内部表征做机制性分析，用稀疏自编码器（SAE）找到一个激活与对抗补丁存在强相关的特征，并在线性探针检测到攻击时于推理阶段抑制该特征，从而在不微调VLA的情况下提升鲁棒性。作者在LIBERO-10上评估该方法对抗VLA对抗补丁攻击的效果，结果显示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明显降低策略性能。结论认为攻击相关的内部表征可作为VLA对抗防御的目标，控制干预时机对减少对正常策略行为的干扰很重要。该工作发表于CoRL 2026的The Science of Physical AI Safety Workshop，为arXiv预印本。