知识卡片：行动前先改写：视觉-语言-行动模型的语言敏感性刻画与缓解

一句话结论

视觉-语言-行动（VLA）模型对指令措辞异常敏感，且不继承其底层视觉-语言模型的语言鲁棒性；摘要称，通过将少量评分证据蒸馏为 10–20 条改写规则并在部署时统一改写指令，可在不修改策略的情况下提升冻结 π0/π0.5 的成功率，收益尤其集中在分布外任务。

事件概述或研究问题

该论文研究 VLA 模型在具身任务中是否受指令措辞影响，以及能否在不改动策略的前提下缓解这种敏感性。摘要指出：VLA 对指令措辞高度敏感，且没有继承其构建于其上的 VLM 的语言鲁棒性；一字编辑即可使成功率变化数十个百分点。作者用经过统计检验的单编辑摆动和 oracle 短语搜索来刻画该现象，并提出部署时指令改写方法。

方法/产品要点

• 问题刻画：使用统计检验的单编辑摆动（single-edit swings）与 oracle 短语搜索（oracle phrase search）来量化指令措辞对 VLA 成功率的影响。
• 关键诊断：摘要称，仅靠措辞变化几乎弥合了分布内（in-distribution, ID）与分布外（out-of-distribution, OOD）任务之间的 21 个百分点差距。
• 缓解管线：不改动策略；先对少量训练任务的多种措辞进行评分，再用大语言模型将证据蒸馏为 10–20 条改写规则；部署时对每条输入指令按这些规则改写一次。
• 部署特性：无需重训练，无需逐步验证（no per-step verification），可零样本适用于未见任务与指令。
• 评测范围：冻结 π0 在 12 个留出任务上，覆盖对抗性、VLM 生成、人类生成的措辞；并在 π0.5 与 LIBERO 上复现管线。

主要结果或产业意义

• 一字编辑可导致巨大波动：π0.5 在 LIBERO 炉灶任务中，对 “switch on the stove” 的成功率为 100%，对 “switch on the hot plate” 仅为 2%。
• 即使经过重述增强（rephrase augmentation）微调的 π0 checkpoint，仍出现最高 61 个百分点的摆动。
• 规则改写使冻结 π0 在 12 个留出任务上取得 16%–27% 的相对提升，收益集中在 OOD 任务。
• 管线在 π0.5 与 LIBERO 上复现，将 in-finetune 成功率从 93.6% 提升到 97.8%。
• 产业意义：若摘要结论在全文与真实场景中成立，部署时增加“指令规范化/改写层”可能成为轻量鲁棒性补丁，不需要触碰策略权重，也不需要每步验证。

为什么重要

• 语言接口是机器人基础模型的关键输入层；措辞微小变化即可造成行为大幅波动，这会直接影响可靠性、安全性和评测结论。
• 固定指令评测可能高估 VLA 的泛化能力；同一任务换一种说法就可能暴露 OOD 脆弱性。
• 该方法把缓解手段放在部署前的指令改写，而非策略重训练或逐步验证，可能降低工程成本，并适用于未见任务与指令。

与既有脉络的关系

已有相关卡片中，一条讨论 VLA 在具身推理中的忠实性（是否“言出必行”），另一条关注对齐语言模型的 late rescue 与接口失败，还有一条讨论 MLLM 的视觉-认知错误演变。本条与它们不重复：焦点不是具身推理忠实性，也不是视觉认知错误，而是同一任务在指令措辞变化下的成功率波动，以及不改策略的部署时改写缓解。增量信息是把 VLA 可靠性问题定位到“语言接口层”，并给出规则蒸馏式改写管线。

局限与不确定性

• 当前材料仅为 arXiv 摘要、标题、作者、分类、日期与项目链接，未获取全文；实验细节、统计检验方法、规则生成与筛选流程、基线设置、任务列表、模型版本、随机种子、失败案例等均待核实。
• “oracle 短语搜索”的具体定义、上限性质与实现方式待核实。
• “仅靠措辞几乎弥合 21 个百分点 ID-OOD 差距”的统计显著性和任务范围待核实。
• “收益集中在 OOD 任务”的具体任务构成与效应大小待核实。
• 项目网站内容未在材料中提供，实际代码、数据与演示效果待核实。
• 该方法在真实机器人、安全关键场景、多语言指令、多轮指令中的适用性，材料未说明，待核实。
• “无需逐步验证”在所有部署设置中是否成立，待核实。

可用于图书/PPT/简报的角度

• 换个说法就失败：VLA 的语言接口脆弱性。
• 同一任务两种指令：成功率 100% 对 2% 的直观案例。
• 不改模型，只改指令：部署时重写作为轻量鲁棒性补丁。
• 评测陷阱：固定指令可能掩盖 OOD 脆弱性。
• 规则蒸馏：从少量任务评分中提取 10–20 条可复用改写规则。
• 谨慎标注：以上基于摘要级材料，引用前需核对全文与项目网站。

原始材料

• 英文标题：Rephrase Before You Act: Characterizing and Mitigating Language Sensitivity in Vision-Language-Action Models
• 英文关键词：材料未列明官方关键词；据标题/摘要可提取：Vision-Language-Action Models; Language Sensitivity; Instruction Rephrasing; LIBERO; π0; π0.5；官方关键词待核实。
• 作者：Mikey Watts, Yuchen Cui
• arXiv ID：2610.10526v1
• Primary category：cs.RO；Categories：cs.RO, cs.CL, cs.LG
• Published / Updated：2026-10-07T17:57:38Z（按材料标注）
• 原始来源：https://arxiv.org/abs/2610.10526v1
• PDF：https://arxiv.org/pdf/2610.10526v1
• 项目网站：https://sttawm.github.io/rephrase-before-you-act
• 任务元数据：Track: academic；Topics: foundation-model
• 材料范围：摘要、标题、作者、分类、日期、项目链接；正文未获取。