2026年8月1日 · The Gate, Not the Cache
The Gate, Not the Cache: Gate Provenance Bounds the Closed-Loop Reliability of Training-Free VLA Token Skipping
论文研究训练无关的视觉-语言-动作（VLA）模型 token 跳过加速。在 LIBERO-Object 上，跳过率 0.9 时，若门控信号来自模型自身加速前向，重用机制成功率降至 0.68，删除机制降至 0.31，而密集基线为 1.00。作者提出执行间隙刷新（actuation-slack refresh），在机器人执行动作块时运行一次密集前向，提供干净门控和新的 KV 基础。
EVENT STORY
发展脉络
- 首次出现The Gate, Not the Cache: Gate Provenance Bounds the Closed-Loop Reliability of Training-Free VLA Token SkippingarXiv cs.RO
- 当前判断该研究对 VLA 模型的部署有重要影响，表明训练无关的 token 跳过加速在闭环控制中可能不可靠，需要额外的刷新机制。这可能会影响机器人领域对加速技术的选择，推动更注重可靠性的加速方案。Agent Pulse · 分析
该论文指出，训练无关的 VLA token 跳过加速存在闭环可靠性问题：当门控信号来自前一步加速前向时，被跳过的 token 对下一步门控不可见，错误会累积导致任务失败。在 LIBERO-Object 上，跳过率 0.9 时，重用和删除两种机制的成功率分别降至 0.68 和 0.31，而密集基线为 1.00，且动作级检测器无法察觉这种退化。作者提出执行间隙刷新，利用机器人执行动作块的时间运行一次密集前向，提供干净门控和新的 KV 缓存，从而在不增加关键路径延迟的情况下恢复可靠性。
该研究揭示了 VLA token 跳过加速中门控来源的关键作用：门控信号必须来自未跳过的密集前向，否则闭环控制中错误会累积。执行间隙刷新利用机器人执行动作块的时间进行密集前向，避免了关键路径延迟，为训练无关加速提供了可靠性保障。
该研究对 VLA 模型的部署有重要影响，表明训练无关的 token 跳过加速在闭环控制中可能不可靠，需要额外的刷新机制。这可能会影响机器人领域对加速技术的选择，推动更注重可靠性的加速方案。
对于机器人公司，该研究提供了提升 VLA 模型闭环可靠性的方法，可能降低部署风险，加速机器人产品落地。
未来可验证的下一信号：该刷新机制在真实机器人上的效果，以及是否被集成到主流 VLA 推理框架中。