arXiv · cs.AI· Haoyuan Shi, Xiancong Ren, Yingji Zhang, Qinfan Zhang, Jiayu Hu, Haozhe Shan, Han Dong, Jinpeng Lu, Yinda Chen, Yi Zhang, Yong Dai, Xiaozhu Ju·· 1 天前
VLA-Trace：诊断视觉-语言-动作模型的表示与行为
VLA-Trace: Diagnosing Vision-Language-Action Models through Representation and Behavior Tracing
arXiv:2605.30117v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Haoyuan Shi, Xiancong Ren, Yingji Zhang, Qinfan Zhang, Jiayu Hu, Haozhe Shan, Han Dong, Jinpeng Lu, Yinda Chen, Yi Zhang, Yong Dai, Xiaozhu Ju
研究任务与主要进展
基于论文摘要，作者提出 VLA-Trace 诊断框架，通过跨模态与检查点漂移核对齐、注意力敲除干预和滚动行为探针，分析视觉-语言-动作模型从表示变化到行为表现的证据链。对 π0.5 和 OpenVLA 的实验显示，两种模型具有不同的模态适配动态、动作解码路由和层级依赖；尽管能生成视觉锚定的轨迹，细粒度语义跟随仍受局限。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org