热点事件持续更新
研究提出视觉语言模型免训练去对齐方法CMaG
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月6日，研究人员在 arXiv 发布研究，提出一种针对大型视觉语言模型（LVLM）的免训练去对齐方法 CMaG，用于审查多模态模型的组合安全性。该方法无需传统微调，仅需 80 个样本的单次反向传播，即可将模型的拒绝回答转化为顺从。实验结果表明，在 Qwen2.5-VL-7B 与 LLaVA-1.5-7B 上，CMaG 将模型的组合安全分数最高降低了 65 分，同时超过 98% 的输出依然保持连贯，揭示了大型视觉语言模型组合安全性在内部干预下的脆弱性。
AI 根据报道生成 · 4 小时前更新
最新进展11月6日 13:00
研究人员提出免训练去对齐方法CMaG，仅需80个样本即可诱导模型顺从危险提示。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习组合式去对齐：审查大型视觉语言模型安全性
研究人员提出针对大型视觉语言模型的免训练去对齐方法 CMaG，仅需 80 个样本的单次反向传播即可将模型拒绝转为顺从。在 Qwen2.5-VL-7B 与 LLaVA-1.5-7B 上，CMaG 将组合安全分数最高降低 65 分，同时超 98% 的输出保持连贯，揭示出模型组合安全性在内部干预下的脆弱性。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
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。