arXiv · cs.AI· Xiaojun Jia, Simeng Qin, Yiming Li, Jie Liao, Sensen Gao, Ke Ma, Yang Liu, Xiaochun Cao·· 2 天前
IAU-FOA通过视觉不变性增强与特征最优对齐提升多模态大模型的可迁移对抗攻击能力
Visual-Invariance-Augmented Feature Optimal Alignment for Transferable Adversarial Attacks against Closed-Source MLLMs
arXiv:2610.06977v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiaojun Jia, Simeng Qin, Yiming Li, Jie Liao, Sensen Gao, Ke Ma, Yang Liu, Xiaochun Cao
研究任务与主要进展
IAJ-FOA提出面向闭源多模态大语言模型的可迁移定向对抗攻击方法，在全局图像特征和局部 patch 特征层面进行对齐，并结合视觉不变性增强提升跨视觉编码器的迁移能力。论文摘要称其在开源和闭源多模态大语言模型实验中持续优于现有方法，代码已公开于 GitHub；实验细节和基准结果未在材料中展开。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org