推理作为双刃剑：视觉 - 语言 - 动作模型的架构与跨阶段鲁棒性

本文探讨了在视觉 - 语言 - 动作（VLA）模型中引入推理步骤是否能增强其对扰动的鲁棒性。研究对比了三种不同推理谱系的模型（无推理、文本思维链、潜在迭代循环），并在 LIBERO 和 SimplerEnv 环境中对其视觉、推理及动作阶段施加扰动。研究发现，潜在迭代模型的鲁棒性最差，其任务成功率在噪声和白盒攻击下显著崩溃，且这种脆弱性是结构性的而非累积性的。此外，尽管推理输出理论上可作为安全信号被监控，但在公平测试和自适应攻击下，现有的监控机制均失效，无法有效提升防御成功率。