VLA / 视觉-语言-动作模型

Adversarial Flow Matching for Imperceptible Attacks on End-to-End Autonomous Driving

对抗流匹配用于端到端自动驾驶中的不可察觉攻击

Xinyu Zeng, Xiangkun He, Lei Tao, Chen Lv, Hong Cheng

机构 * Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（深圳先进研究院，电子科技大学） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China（电子科技大学机械与电气工程学院） 纠错

专题命中 VLA模型 ：VLA(summary_cn,abstract)；vision-language-action(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出对抗流匹配（AFM）框架，通过利用Transformer结构漏洞生成高效且视觉不可察觉的对抗样本，有效降级VLA和模块化自动驾驶代理性能，同时保持先进的视觉不可察觉性及跨模型迁移能力。

Comments 16 pages, 11 figures

A broadband search for coherent radio emission in cataclysmic variables

对激变变星的宽带相干无线电发射的搜索

Margaret E. Ridder, Paul E. Barrett, Craig O. Heinke, Gregory R. Sivakoff

专题命中 VLA模型 ：VLA(summary_cn,abstract)

AI总结 研究通过分析VLA观测数据，发现6个激变变星表现出宽频和窄频高极化变射，推测为电子循环辐射或等离子体辐射，可能源自磁场或密度变化区域。

Privileged Foresight Distillation: Zero-Cost Future Correction for World Action Models

特权预见蒸馏：世界动作模型的零成本未来修正

Pengcheng Fang, Hongli Chen, Xiaohao Cai

机构 * The University of Southampton（南安普顿大学） ； The University of Queensland（昆士兰大学） 纠错

专题命中 VLA模型 ：action model(title,abstract)；分类 cs.RO

AI总结 本文提出特权预见蒸馏，通过将未来信息作为可压缩的修正项进行蒸馏，提升世界动作模型在无未来信息下的表现，实验证明其在LIBERO和RoboTwin任务中有效。

Learning Decomposed Contextual Token Representations from Pretrained and Collaborative Signals for Generative Recommendation

从预训练和协作信号中学习分解的上下文令牌表示以生成推荐

Yifan Liu, Yaokun Liu, Zelin Li, Zhenrui Yue, Gyuseok Lee, Ruichen Yao, Yang Zhang, Dong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Miami University（迈阿密大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.AI

AI总结 本文提出DECOR框架，通过上下文化令牌组成和分解嵌入融合，提升推荐性能，实验证明其优于现有方法。

Comments Accepted to SIGIR 2026. Full author version