热点事件观察中

双通道约束GRPO校准VLM安全控制

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Bo Han 等人提出双通道约束 GRPO，用于视觉语言模型的安全对齐训练。该方法针对标准 GRPO 的两个问题：乘子在组内标准化中被抵消，以及评分器均值偏差左右约束状态。在 Qwen3-VL-2B 上，以开源 4B 模型作无训练评分器，1,037 条对抗提示的留出危害率从标准 GRPO 的 8.9% 降至 4.8%；未校准预算下为 7.6%。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

把安全当作预算：为视觉语言模型的约束 GRPO 校准控制通道

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
把安全当作预算：为视觉语言模型的约束 GRPO 校准控制通道
研究提出双通道约束 GRPO，修复标准 GRPO 中乘子被组内标准化抵消、评分器均值偏差左右约束状态的问题。在 Qwen3-VL-2B 上以开源 4B 模型作无训练评分器，1,037 条对抗提示的留出危害率从标准 GRPO 的 8.9% 降至 4.8%，未校准预算为 7.6%。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。