提出视觉自实现对齐(VSFA)方法,通过在威胁相关图像构建的中性VQA任务上微调多模态大模型,无需安全标签即可隐式塑造模型的警惕与谨慎安全人格,从而降低攻击成功率、提升响应质量并缓解过度拒绝。
机构:KAUST
来源:arXiv 2603.08486 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程