MARS：免训练多模态安全对齐方法MARS

2026年10月20日，Moreno D'Inca等研究者在arXiv发布论文，正式提出免训练多模态安全对齐方法MARS（Modality-Agnostic Refusal Steering）。 该轻量级方法通过激活中心化和自适应缩放技术，利用文本拒绝对齐方向注入多模态安全性，全程无需额外收集多模态安全数据。 研究在五个SOTA多模态大模型上验证了方法有效性，结果显示MARS在提升安全性的同时保持了模型效用，并成功解决了跨模态对齐过程中常见的误拒问题。 该结果揭示了安全相关结构在模态间的共享性，证实文本拒绝对齐可多模态对齐的有效基础。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。