arXiv cs.AI· Zhengfeng Zheng, Minghong Fang·· 11 小时前AI 评分31
EmbGA：在嵌入空间用遗传算法恢复文生图模型提示词中隐藏的概念
Beyond the Prompt: Recovering Hidden Concepts in Text-to-Image Models
AI 导读
论文提出 EmbGA，一种在 token 嵌入空间运行的遗传算法，用于恢复文生图模型生成图像中存在但提示词未提及的概念。其交叉在父代嵌入间插值、变异将嵌入移向随机词表嵌入，每个子代先投影回离散 token 再评分，保证候选均为合法 token 序列。在两个基准、两种探索预算下对比六种优化器，EmbGA 在大预算时对齐度最高、在自然图像上恢复出最多有依据的 token，且比语言模型引导的搜索快得多。
正文 · AI 翻译
摘要：文本到图像模型能够生成其提示词从未提及的视觉概念，而近期研究表明，此类关联可以被植入，从而使普通提示词也能触发它们。审计这一行为需要恢复提示词所省略的描述。现有的提示词优化器并不适合这项任务。基于梯度的方法需要对评分编码器进行反向访问。离散进化搜索将语义上不相关的词元视为同等接近。语言模型引导的搜索需要为每个候选进行一次推理调用，这限制了探索。本文提出 EmbGA，一种嵌入空间遗传算法，用于恢复一组图像中存在但生成它们的提示词中缺失的概念。EmbGA 保留了遗传搜索的种群结构，但在词元嵌入空间中应用其算子。交叉在父代嵌入之间进行插值，变异将嵌入移向随机抽取的词汇嵌入。随后，每个子代在评分前被投影回离散词元，因此每个被评估的候选都是有效的词元序列。我们在两个基准上，在两种探索预算下，将 EmbGA 与六种优化器进行了评估对比。当探索预算较大时，EmbGA 实现了最高的对齐度，在自然图像上恢复了最多的有依据词元，并且运行速度远快于语言模型引导的搜索。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.27473 [cs.CR] |
| （或 arXiv:2610.27473v1 [cs.CR] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.27473 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Minghong Fang [查看邮箱]
[v1]
2026年10月20日星期二 01:42:42 UTC（2,543 KB）
来源：arXiv cs.AI · arxiv.org