arXiv cs.CV· Muhammad Zeeshan Karamat, Syed Talal Hassan, Christiana Chamon Garcia·· 3 小时前AI 评分38
视觉语言模型的安全几何随深度变化：Qwen3-VL-4B 的逐层定位与双向拒答控制
Depth-Dependent Safety Geometry in Vision-Language Models: Layer-Wise Localization and Bidirectional Refusal Control
AI 导读
研究者在冻结的 Qwen3-VL-4B 上提出轻量推理时框架，无需重训或改参数即可定位并操纵安全敏感表征。对早期视觉层沿学习到的安全方向做激活引导，可把不安全内容的拒答率在 6%-96% 之间双向调节，而更深层虽沿安全方向分离良好却对引导基本不敏感。InternVL2.5-4B 呈现定性相似的深度依赖激活几何，揭示 VLM 视觉编码器存在白盒、表征层面的拒答绕过攻击面。
来源：arXiv cs.CV · arxiv.org