视觉—语言—动作模型的线性表征假设

基于摘要分析。本文研究视觉—语言—动作（VLA）模型中的线性表征假设（LRH）：当目标物理量随动作和环境状态共同演化时，能否通过线性探测预测其未来变化，并通过线性干预实现控制。作者提出基于 signature（路径签名）的理论框架，将表征与策略纳入统一分析。 与 LLM 中常见的语义属性探测不同，VLA 的表征会影响策略动作，动作改变物理状态，进而影响后续表征。因此，研究对象不仅是当前隐状态是否编码某项属性，还包括给定候选动作轨迹时，目标物理量的未来演化能否被线性读出。 在表征侧，作者建立了此类可线性探测表征的存在性结论；在策略侧，作者为随机动作片段引入 signature generalized linear model，并指出沿自然参数空间中的线性路径变化，可使未来目标物理量的期望产生单调变化，从而支持线性引导。这里的单调性针对特定策略结构与参数路径，不能直接理解为任意 VLA 隐状态干预都能稳定控制真实系统。 作者报告，在平面控制仿射导航实验中显式构造了 oracle 表征，并验证了理论预测的线性探测和引导机制。摘要未提供具体指标、对照基线或实际预训练 VLA 的验证结果；理论假设、实验协议、消融及统计信息尚未验证。复现时尤其需要核对 oracle 表征所依赖的信息，以及其与可学习表征的对应关系。 平台推测（待验证）：该框架可能为闭环 BCI 中“神经表征—控制动作—反馈状态”的联动分析提供理论参照，但原研究并非 EEG 解码或 BCI 验证。是否适用于低信噪比、部分可观测及跨被试变化的神经信号系统仍需评估，已有 EEG 相关工作尚未检索确认。