arXiv·· 12 天前AI 评分27
读取而非操控：用 Router Logits 提升 MoE 视觉语言模型多模态安全
Reading, Not Manipulating: Leveraging Router Logits for Multimodal Safety in MoE Vision-Language Models
AI 导读
针对 MoE 视觉语言模型在视觉与文本组合下出现的组合式安全风险，研究提出不干预模型内部状态、而是读取 router logits 的多模态安全方法。现有提示词、监督微调与基于路由的专家引导等干预手段在不同模型和评测分布上提升不一致，且因过度拒答带来安全与可用性的权衡。
来源：arXiv · arxiv.org