LEARNING
推理是一把双刃剑：视觉-语言-动作模型中的架构与跨阶段鲁棒性
Tuan Duong Trinh, Naveed Akhtar, Basim Azam
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文研究了在视觉-语言-动作（VLA）模型中增加推理步骤对鲁棒性的影响，发现潜在迭代模型在扰动下表现最差，而推理深度变化影响不大。研究还表明，基于推理输出的安全监控在自适应攻击下失效，无法提升整体鲁棒性。
关键词
VLA模型鲁棒性推理扰动安全性
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018