arXiv · cs.AI· Haoyu Liu, Dingcheng Li, Lukas Rutishauser, Zeyu Zheng·· 2 天前
DMAST：通过双模态多阶段对抗安全训练增强多模态网页智能体抗跨模态攻击能力
Dual-Modality Multi-Stage Adversarial Safety Training: Robustifying Multimodal Web Agents Against Cross-Modal Attacks
arXiv:2603.04364v2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：Haoyu Liu, Dingcheng Li, Lukas Rutishauser, Zeyu Zheng
研究任务与主要进展
Haoyu Liu等人提出双模态多阶段对抗安全训练框架DMAST，用于提升同时处理网页截图与可访问性树的智能体抵御跨模态攻击的能力。该方法将智能体与攻击者建模为双玩家一般和马尔可夫博弈，依次进行模仿学习、oracle指导的监督微调和基于GRPO的对抗强化学习。
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