论文提出CNRF选择性VLM安全防御框架
热点事件观察中
论文提出CNRF选择性VLM安全防御框架
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Tianshi Wang 等在 arXiv 发布论文，提出反事实邻域风险场（CNRF）框架，用于视觉语言模型的选择性安全防御。方法通过上下文匹配的良性—有害反事实对和表示差异，给出可解释的风险方向与邻域支持度，支持选择性干预而非一律拒绝。 论文摘要报告，在三种 VLM 和五类多模态越狱攻击上，CNRF 取得 86.06%–89.30% 的宏平均防御成功率，同时保留较多良性任务能力。目前仅依据论文摘要，具体实验条件仍需阅读全文核验。
AI 根据报道生成 · 1 天前更新
最新进展10月16日 12:00
CNRF提出基于反事实邻域风险场的安全防御框架报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AICNRF提出基于反事实邻域风险场的安全防御框架
作者提出CNRF框架，通过上下文匹配的良性—有害反事实对和表示差异，为视觉语言模型提供可解释的风险方向与邻域支持度，并支持选择性干预而非一律拒绝。摘要报告，该方法在三种VLM和五类多模态越狱攻击上取得86.06%—89.30%的宏平均防御成功率，同时保留较多良性任务能力；当前仅依据论文摘要，具体实验条件仍需阅读全文核验。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 910月16日 14:00
- 近 24 小时变化
- -49%
02.557.510
18:0010月17日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。