视觉-语言-动作模型的线性表征假说

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说（LRH）：当内部表征、策略动作与物理状态相互反馈时，能否通过线性探测预测物理关注量（QoI）的未来演化，并通过线性干预调节其期望值。核心贡献是提出基于 signature 的理论表述，将表征与策略统一分析，而非仅考察静态语义属性的线性可读出性。 在表征侧，作者提出存在性结论：存在一类表征，可通过线性探测恢复给定候选动作轨迹下 QoI 的未来演化。在策略侧，作者引入用于随机动作块的 signature generalized linear model；在这一结构下，沿自然参数空间中的线性路径移动，会使未来 QoI 的期望值发生单调变化，从而支持线性引导。该结论具有特定结构前提，不能直接等同于任意预训练 VLA 都可被可靠地线性控制。 摘要说明，研究先在受控 oracle 设置中验证上述结构，再考察预训练 VLA 是否呈现相同的探测与引导机制；未提供具体模型、任务、数据规模、指标或定量结果，实验协议、消融及统计信息尚未验证。全文中尤其需要核对理论成立条件、候选动作轨迹的获得方式，以及预训练模型上的经验结果是否满足理论前提。 平台推测（待验证）：该框架与闭环 BCI 中“神经表征—解码动作—环境反馈”的耦合问题存在概念对应，但本文主要研究对象是 VLA，并非 EEG 或 BCI。若迁移，需要重新定义神经信号表征、动作轨迹与反馈量，并验证低信噪比及跨被试差异下的线性可读出性；尚未检索确认已有 EEG 相关工作，当前材料不足以提出具体复现实验方案。