Failure-First·本站收录2026-10-13 08:04· 原文发表6月28日

SABER：面向视觉-语言-动作模型的隐蔽智能体黑盒攻击框架

[Daily Paper] SABER: A Stealthy Agentic Black-Box Attack Framework for Vision-Language-Action Models

AI 导读

研究者提出 SABER，一个针对视觉-语言-动作（VLA）模型的黑盒攻击框架，通过对指令做细微文本扰动诱发物理故障。在 LIBERO 仿真中对 π0、InternVLA-M1、DeepThinkVLA 等六个 VLA 模型测试，任务成功率平均下降 20.6 个百分点，动作序列长度增加 55%，物理约束违反与碰撞增加 33%。SABER 采用 FIND→APPLY 多轮流程，经 GRPO 训练，比基于 GPT 的基线少用 21.1% 工具调用和 54.7% 字符编辑。作者指出所有结果均来自 LIBERO 仿真，未在物理硬件上评估。