PerturBot：通过扰动式训练打破视觉—语言—动作模型中的捷径先验

基于摘要分析。本文研究视觉—语言—动作（VLA）策略虽能完成任务，却可能依赖视觉、词汇或动作中的捷径而忽略决策所需证据的问题。作者提出 Perturbot，通过调整训练数据中的视角、指令与轨迹内容削弱捷径，同时提出离线指标 GroundingFscore，用于区分任务成功与对任务证据的依赖。 核心机制：作者将成功示范中足以预测专家动作、却不必支持正确决策的规律称为 modality shortcuts。例如，腕部相机附近的物体可能取代指令指定的目标；熟悉的名词可能在动词改变后仍触发训练中配对的操作；夹爪未抓到物体也可能继续抬升。Perturbot 采用保持任务不变的腕部视图扰动，以与决策相关的描述扩充指令，并加入随机及失败轨迹片段，按片段实际包含的行为重新标注。其思路不是仅增加同类成功示范，而是改变扩充数据的内容；摘要说明推理流程保持不变。 评估与证据边界：作者提出以任务成功率衡量策略表现，以 GroundingFscore 诊断策略对模态捷径的依赖程度。摘要未提供该分数的计算公式、模型与数据集、训练规模、评估划分或定量结果，因此尚不能判断干预收益及指标有效性。实验协议、消融及统计信息尚未验证；复现需核对任务保持条件、轨迹重标注规则，以及诊断指标与实际行为之间的对应关系。 平台推测（待验证）：其机制可能启发 EEG 解码中对伪迹、会话特征等捷径的诊断，但原方法依赖多模态指令与可重标注行为轨迹，不能直接视为 EEG 方法。可复用的是任务保持扰动与独立捷径诊断的思路，需改造信号扰动和标签保持条件；低信噪比、小数据及跨被试差异可能使扰动同时破坏有效神经信息。一个可检验的小实验是在固定 Cross-session 划分下，对比常规训练与经核验的标签保持扰动训练，分别检查解码表现和对候选伪迹的敏感性。已有 EEG 相关工作尚未检索确认。