HuggingFace Daily Papers· Bryce Grant, Xijia Zhao, Peng Wang·2026-10-20 04:00· 6 天前精选AI 评分70

视觉-语言-动作模型的机制性研究：特征并非平等创建

Not All Features Are Created Equal: A Mechanistic Study of Vision-Language-Action Models

AI 导读

研究人员开发了解释性管道研究视觉-语言-动作(VLA)模型的计算机制，发现模型编码的任务指令与绝对工作空间坐标绑定，导致对物体位置微小变化敏感。研究团队发布了Action Atlas平台，包含520+训练好的SAEs、79个识别概念和评分的UR10e回放数据。

推荐理由

通过激活注入揭示视觉-语言-动作模型对绝对坐标的依赖，解释了为何物体位置微小变化就导致任务失败。