为什么测试时计算需要审计追踪？
机器人基础模型正越来越多地采用测试时计算——在推理阶段投入额外算力以做出更优决策。例如，τ0-VLA，一种分层视觉-语言-动作模型，其高层策略能够在确定某个子任务方案之前，先对多种备选方案进行搜索[3]。这意味着模型并非仅仅执行一个固定计划，而是在实时做出选择。审计追踪必须记录这些选择以及曾被考虑的备选方案，以便你能够理解机器人为何如此行动。
可追溯性的需求因这些模型所训练数据的规模而进一步放大。τ0-VLA在40,115小时的异构真实世界数据上进行了训练[3]。面对如此巨大的变异性，你无法假设模型在每种情况下都会表现可预测。一条记录推理过程（包括生成的子任务以及对备选方案的任何搜索）的审计追踪，有助于你调试故障，并验证模型的决策是否符合安全要求。
审计追踪究竟应该记录什么？
审计追踪至少应记录输入（传感器数据、任务指令）、中间决策（子任务选择、置信度分数）以及发送给机器人的最终动作指令。对于使用测试时计算的模型，还需记录所使用的计算资源——包括前向传播次数、耗时以及评估了哪些备选方案。这对于理解计算量与性能之间的权衡至关重要，因为τ0-VLA表明，分配更多的测试时计算能够提升下一子任务预测的准确性[3]。
除了模型内部的决策之外，审计追踪还应包含执行数据——即机器人实际执行了什么，与计划中的操作有何差异。这一点至关重要，因为异步推理可能导致预期动作片段与当前感知之间出现不匹配，进而引发执行失败[4]。REMAC通过学习修正性调整来解决这一问题，但一个同时记录预测动作片段和实际执行轨迹的审计追踪，将有助于您检测此类不一致性，并提升系统的可靠性。
如何在可审计性、隐私性和可扩展性之间取得平衡？
审计轨迹可能非常庞大，尤其是对于涉及大量决策的长期任务而言。分层表示，例如空间感知中使用的三维场景图，可以通过以可扩展的方式构建环境和决策来提供帮助[2]。出于审计目的，你可以在不同抽象层级上进行记录——高层子任务决策和低层动作片段——而非记录每一条原始传感器读数。这样既能保持轨迹的可管理性，又能提供足够的细节来重建机器人的推理过程。
隐私是另一个令人担忧的问题，尤其是在机器人于家庭或工作场所中运作时。AI日志追踪框架强调在捕获AI代理交互的同时，维护隐私与可审计性[5]。这表明审计追踪的设计应能对敏感信息（如人脸或个人数据）进行脱敏处理，同时仍记录关键的决策步骤。挑战在于，既要让追踪记录对调试和合规有用，又不能使其沦为一种监控工具。
关于这些来源
这个回答基于5项研究（2篇同行评审，3篇预印本）——发表于2024年至2026年间，其中5篇为2024年或之后发表，2篇发表于Q1期刊，合计被引用182次——这些研究是从5项通过质量筛选的研究中选出的最相关成果，而这些研究又源自从超过5亿篇论文数据库中检索到的43篇文献。
本文引用的文献
机器人领域的基础模型：应用、挑战与未来
综述了机器人领域的基础模型，指出了安全保证和不确定性量化等挑战，这些挑战意味着需要审计追踪来确保可靠性。
机器人空间感知的基础：层级表征与实时系统
引入分层三维场景图以实现可扩展的空间感知，通过提供环境与机器人决策的分层表示，能够对审计数据进行结构化组织。
τ0-VLA：一种具有世界模型引导测试时计算的分层机器人基础模型
提出τ0-VLA，一个层级式机器人基础模型，利用测试时计算来搜索子任务替代方案，基于40,115小时的数据进行训练，表明增加计算量能提升下一子任务预测的准确性。
基于掩码动作分块的实时机器人执行
将块内不一致识别为异步推理中执行失败的原因，并提出掩码动作分块以提高可靠性，同时强调记录计划动作与实际动作的必要性。
AI日志追踪
描述AI日志轨迹，这是一个用于捕获和分析AI代理交互的框架，同时维护隐私与可审计性，支持多个代理和工作流。