VLA对抗补丁防御：检测到攻击时抑制SAE特征

Yukiya Horiba等作者对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强相关的特征；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。作者称该方法在LIBERO-10上评估对抗VLA对抗补丁攻击的效果。 结果显示，条件式干预（仅在检测到攻击时抑制）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。作者据此认为，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。 该工作为arXiv预印本，发表于CoRL 2026的The Science of Physical AI Safety Workshop，尚未经同行评议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。