Say the Same, Act Differently: Diagnosing and Steering Text-Action Divergence in Reasoning VLAs 封面
HuggingFace
论文2026-11-0…

Say the Same, Act Differently: Diagnosing and Steering Text-Action Divergence in Reasoning VLAs

Reasoning vision-language-action (VLA) models pair physical control with natural-language rationales that supervisors can read to monitor embodied safety. Prior attacks on VLA reasoning corrupt the rationale itself and …

来源:HuggingFace Papers收录于 2026年11月5日

站内导读

中文

定位:一篇研究推理型视觉-语言-动作(VLA)模型安全性的论文,盯的是「说的和做的不一致」这个隐患。 推理型 VLA 模型在控制机器人执行物理动作的同时,会生成自然语言的理由说明,监督者本可以读这些文本来监控具身智能的安全。但已有攻击研究多针对文本理由本身,而这篇论文指出另一个更隐蔽的问题:文本理由可以看起来毫无异常,实际执行的动作却已经偏离——即文本与动作之间的分歧。论文围绕如何诊断这种分歧、并对其加以干预引导展开,讨论了只看文本做安全监控为什么不够。 适用人群:从事 VLA 模型与具身智能研究的科研人员、关注机器人安全与模型可解释性的工程师。

相关项目 · HuggingFace

查看全部「HuggingFace」项目 →