arXiv · ML· Muhammad Zeeshan Karamat, Syed Talal Hassan, Christiana Chamon Garcia·· 5 小时前AI 评分33
Qwen3-VL-4B 视觉语言模型中依赖深度的安全几何：逐层定位与双向拒绝控制
Depth-Dependent Safety Geometry in Vision-Language Models: Layer-Wise Localization and Bidirectional Refusal Control
AI 导读
研究发现 Qwen3-VL-4B 视觉层具备双向拒绝控制能力，不安全拒绝率跨度达 6%-96%，深层则对引导不敏感。 实验基于轻量级推理时框架，通过激活引导揭示不同层级的安全选择性权衡，InternVL2.5-4B 呈现类似深度依赖几何特性。 结果暴露了视觉编码器层面的白盒拒绝绕过攻击面，推动推理时安全表征稳定化研究。
来源：arXiv · ML · arxiv.org