跳到正文
arXiv · AI· Chengtao Jian, Kai Yang·· 2026-10-14AI 评分29

DPOison-VL:视觉语言模型直接偏好优化中的干净偏好投毒攻击

DPOison-VL: Clean Preference Poisoning in Vision-Language Direct Preference Optimization

AI 导读

研究团队提出 DPOison-VL,这是首个针对视觉语言模型 DPO 的干净偏好投毒攻击。该攻击仅通过少量训练图像的不可感知扰动操纵模型对齐,保持提示词与偏好标注语义完整。

来源:arXiv · AI · arxiv.org