L'auteur propose un ensemble de normes de rapport pour les articles sur les attaques Vision-Language-Action (VLA) afin d'améliorer la transparence et la comparabilité des résultats. La proposition soutient que la littérature actuelle manque souvent de données de base essentielles et de contexte statistique, ce qui conduit à des affirmations ambiguës sur l'efficacité de l'attaque.

Les exigences clés incluent :

  • Rapport d'un taux de contrôle bénin correspondant à la même tâche et graine sans soustraction.
  • Utilisation des intervalles de Wilson pour les taux de réussite sur de petits échantillons (par exemple, n=50) au lieu d'approximations normales.
  • Déclaration explicite si la cible était un stub, un point de contrôle local ou un modèle hébergé pour clarifier les affirmations de transfert.
  • Inclusion des budgets de requête dans les tableaux de résultats pour les attaques basées sur la recherche afin de contextualiser les comptes d'échec.

L'auteur cherche des commentaires de la communauté sur l'opportunité de ces normes et demande si d'autres sous-domaines utilisent déjà des pratiques de rapport similaires.