論文の概要: The Gate, Not the Cache: Gate Provenance Bounds the Closed-Loop Reliability of Training-Free VLA Token Skipping

• arxiv url: http://arxiv.org/abs/2608.00391v1
• Date: Sat, 01 Aug 2026 01:59:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:59:38.491706
• Title: The Gate, Not the Cache: Gate Provenance Bounds the Closed-Loop Reliability of Training-Free VLA Token Skipping
• Title（参考訳）: ゲートはキャッシュではなく、ゲートは訓練不要のVLAトケンスキーのクローズド・ループの信頼性を損なう
• Abstract要約: 我々は、このクラスが構築する2つのメカニズム、再利用と削除について検討し、同じエピソードにおいてゲート信号がどこから来るのかを相互に比較した。 密度の高い操作から崩壊を分離する要因は、ゲートがきれいであるかどうかではなく、何もスキップしないフォワードによって計算される。 そこで我々は,ロボットが現在の動作チャンクを実行している間に,次のステップでクリーンゲートと新しいKVベースを手渡すアクティベーション・スラック・リフレッシュ(アクティベーション・スラック・リフレッシュ)を提案する。
• 参考スコア（独自算出の注目度）: 11.835064270861169
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Token skipping is a widely used training-free way to accelerate vision--language--action (VLA) models by bypassing computation for most visual tokens at each control step according to a gate. When the next gate is harvested from the previous accelerated forward, however, the tokens skipped at one step are also the ones least visible to the next gate, and the damage can compound across control steps until the task fails. We study the two mechanisms this class is built on, reuse and deletion, crossing each against where its gate signal comes from on identical episodes. At a skip ratio of 0.9 on LIBERO-Object, both collapse when the gate comes from the model's own accelerated forwards, to 0.68 under reuse and to 0.31 under deletion against a dense 1.00, and the collapse is invisible to the action-level detectors we evaluate. What separates collapse from dense-level operation is not the mechanism but whether the gate is clean, computed by a forward that skipped nothing. We therefore propose actuation-slack refresh, one dense pass run while the robot executes its current action chunk, off the critical path, that hands the next step a clean gate and a fresh KV base. Since the measured detectors do not reliably reveal the failure, the refresh is unconditional rather than triggered. Both mechanisms then recover to 0.98, keeping the speed of skipping and the information of a dense pass. We then integrate the refresh into state-of-the-art caching and pruning methods across two VLA policies, 4 LIBERO suites, and 4 SIMPLER tasks, where it repairs every collapse caused by using a self-harvested gate. Serve latency drops 18--22\% below dense, measured both in simulation and on a physical robot. Where the gate signal comes from, not how tokens are skipped, decides closed-loop reliability for accelerated VLAs.
• Abstract（参考訳）: Token Skppingは、ゲートに従って各制御ステップにおけるほとんどの視覚トークンの計算をバイパスすることで、視覚-言語-アクションモデル(VLA)を加速する訓練自由な方法として広く使われている。 しかし、前回加速された前回から次のゲートが回収されると、あるステップでスキップされたトークンも次のゲートに最も見えないものとなり、タスクが失敗するまで制御ステップをまたいでダメージを和らげることができる。 我々は、このクラスが構築する2つのメカニズム、再利用と削除について検討し、同じエピソードにおいてゲート信号がどこから来るのかを相互に比較した。 LIBERO-Object上でのスキップ比0.9では、ゲートがモデル自身の加速前進から来るときの双方の崩壊、再利用時の0.68、高密度1.00に対する削除時の0.31、評価したアクションレベル検出器では崩壊は見えない。 密度の高い操作から崩壊を分離する要因は、ゲートがきれいであるかどうかではなく、何もスキップしないフォワードによって計算される。 そこで我々は,ロボットが現在の動作チャンクを実行している間に,次のステップでクリーンゲートと新しいKVベースをハンドする動作スラックリフレッシュを提案する。 測定された検出器は故障を確実に明らかにしないため、リフレッシュはトリガではなく無条件である。 どちらの機構も0.98に回復し、スキップの速度と密度の高いパスの情報を保持する。 次に,2つのVLAポリシ,4つのLIBEROスイート,4つのSIMPLERタスクにまたがって,最先端のキャッシュとプルーニングメソッドを統合する。 サーブレイテンシは、シミュレーションと物理ロボットの両方で測定された、密度の18～22\%以下に低下する。 ゲート信号が発する場所は、トークンのスキップ方法ではなく、加速VLAの閉ループ信頼性を決定する。

関連論文リスト

• Stop Means Stop: Measuring and Repairing the Enforcement Gap in Agent-Framework Control Primitives [0.0]
  この契約は、広く使用されている6つのオープンソースフレームワークのどれにも当てはまらない。 モデルフリーディファレンシャルプローブは、繰り返し発生するシリングリークを分離する。 SoundGATEは環境外部のRustゲートであり、すべての副作用を認めなければならない。
  論文  参考訳（メタデータ） (2026-07-15T05:55:38Z)
• Falsifiable Release Gates for Self-Improving Systems [0.0]
  本稿では,フェール可能なリリースゲートと,そのようなシステムの構築と検証方法について述べる。 すべての新機能は、出荷前に、指定されたマシン検証可能な受け入れスイートをパスしなければならない。 コントロールリングによってマイニングされる安全クリティカルなプロパティ機能トークンのないエフェクターには、アクションは発生しない。
  論文  参考訳（メタデータ） (2026-07-11T06:06:34Z)
• Survive or Collapse: The Asymmetric Roles of Data Gating and Reward Grounding in Self-Play RL [76.45061154544568]
  セルフプレイ強化学習は、言語モデルを独自の生成タスクで訓練し、人間ラベルなしでプロジェクタとソルバを共進化させる。 最近のシステムでは強い推理効果が報告されているが、崩壊と不安定性は広く観察され、理解されていない。 代わりに、自己プレイの安定性は、提案者生成タスクがトレーニングプールに入るかを判断するデータレベルゲートと、すでに認められたタスクに関するポリシーを更新する報酬信号の2つの異なるレバーによって管理されていると論じる。
  論文  参考訳（メタデータ） (2026-05-21T09:19:23Z)
• When Attention Closes: How LLMs Lose the Thread in Multi-Turn Interaction [32.270076973760325]
  ゴール定義トークンは注意によってアクセスしにくくなり、ゴール関連情報は残留表現で持続する。 ゴールアクセシビリティ比(GAR)を導入し、生成トークンからタスク定義ゴールトークンへの注意を計測し、それをスライドウインドウアブレーションと残留ストリームプローブと組み合わせる。 アーキテクチャ全体において、遷移は定性的に異なる障害モードをもたらす: あるモデルは注意をそらしてゴール条件の動作を保ち、他のモデルは、デオード可能な残留目標情報にもかかわらず失敗し、この符号化が現れる層は2から27まで変化する。
  論文  参考訳（メタデータ） (2026-05-13T02:58:18Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Ultrafast Single Qubit Gates through Multi-Photon Transition Removal [0.23191656838250044]
  総リークエラーが2.0times10-5$以下である単一キュービットゲートは、パルス長が99.98%以上で、X$とX/2$の両方で6.8 nsになる。 このような短いゲート期間と強い駆動強度において、主誤差源は高次遷移によるものである。 これは全て広く使われている超伝導トランスモン量子ビット(英語版)で示されており、これは弱い無調和な構造を持ち、高次遷移に悩まされている。
  論文  参考訳（メタデータ） (2025-11-27T12:04:18Z)
• What Layers When: Learning to Skip Compute in LLMs with Residual Gates [66.23658560048241]
  GateSkipは、デコーダのみのLMにおけるトークンワイド層スキップを可能にする残差ストリームゲーティング機構である。 各Attention/MLPブランチは、残ストリームに再入力する前に、ブランチの出力を凝縮するシグモイドリニアゲートを備えている。
  論文  参考訳（メタデータ） (2025-10-13T16:31:50Z)
• STIRAP-Inspired Robust Gates for a Superconducting Dual-Rail Qubit [0.0]
  STImulated Raman Adiabatic Passage (STIRAP) は量子システムにおける堅牢な状態伝達機能のための強力な技術である。 2つの強く結合された固定周波数トランスモン量子ビットからなるデュアルレール量子ビットにおけるロバストな$pi$と$pi$/2ローテーションの実装を実験的に実証した。
  論文  参考訳（メタデータ） (2024-10-07T08:27:39Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Software mitigation of coherent two-qubit gate errors [55.878249096379804]
  2量子ゲートは量子コンピューティングの重要な構成要素である。 しかし、量子ビット間の不要な相互作用(いわゆる寄生ゲート)は、量子アプリケーションの性能を低下させる。 寄生性2ビットゲート誤差を軽減するための2つのソフトウェア手法を提案する。
  論文  参考訳（メタデータ） (2021-11-08T17:37:27Z)
• GDP: Stabilized Neural Network Pruning via Gates with Differentiable Polarization [84.57695474130273]
  ゲートベースまたは重要度に基づくプルーニング手法は、重要度が最小のチャネルを削除することを目的としている。 GDPは、各チャネルのオン・アンド・オフを制御するために、ベルやホイッスルのない畳み込み層の前に接続することができる。 CIFAR-10とImageNetデータセットを用いて行った実験は、提案したGDPが最先端のパフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2021-09-06T03:17:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。