VLA 的层级之谜：VLA 潜在接口的信息论分析

针对视觉-语言-动作（VLA）策略潜在接口的信息论分析表明，多层融合优势有限，最佳单层随主干模型与任务基准显著变化。研究提出以动作条件 InfoNCE 作为层质量代理指标，在 LIBERO 和 CALVIN 基准上与策略成功率呈现最一致的正相关。该方法比穷举搜索节省 9-33 倍 GPU 计算量，将平均选择遗憾从选最深层的 17.89 个百分点降至 3.71 个百分点。