English(EN) Depth-Dependent Safety Geometry in Vision-Language Models: Layer-Wise Localization and Bidirectional Refusal Control

新框架揭示视觉语言模型中与深度相关的安全控制

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-26 04:00

研究人员开发了一个新框架，用于在推理时分析和操纵视觉语言模型（VLMs）中对安全敏感的表示。该方法应用于 Qwen3-VL 4B 和 InternVL2.5-4B 等模型，揭示了早期视觉层对于双向拒绝控制至关重要，可以显著操纵安全响应。然而，后期层虽然保持了表示的可分离性，但因果可控性较差，表明安全性和选择性之间存在权衡。研究结果暴露了 VLM 视觉编码器中潜在的攻击面，并提出了稳定安全关键表示的方法。 AI

影响提供了理解和潜在增强视觉语言模型安全机制的新方法。

排序理由研究论文，详细介绍了分析和操纵 VLM 安全功能的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文，详细介绍了分析和操纵 VLM 安全功能的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Muhammad Zeeshan Karamat, Syed Talal Hassan, Christiana Chamon Garcia · 2026-10-26 04:00

视觉语言模型中的深度依赖安全几何：层级定位与双向拒绝控制

arXiv:2610.32182v1 Announce Type: cross Abstract: Vision-Language Models (VLMs) are widely deployed, yet the internal mechanisms behind their safety behavior remain poorly understood. We present a lightweight inference-time framework for localizing and manipulating safety-sensiti…

本文如何被排名

报道来源 [1]

视觉语言模型中的深度依赖安全几何：层级定位与双向拒绝控制

相关实体

相关话题