CMaG：免训练方法审计视觉语言模型组合安全
原文标题：Compositional Unalignment: Auditing Safety in Large Vision-Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出组合性危害问题：图像与提示单独无害，经跨模态推理后变得有害。作者指出仅靠 LLM 评判分数无法证明对齐稳健性，并提出免训练的 CMaG 方法，通过拒绝-服从对数概率边际的梯度定位跨模态交互方向。在 Qwen2.5-VL-7B 与 LLaVA-1.5-7B 上，CMaG 使组合安全分数最多下降 65 分，同时 98% 以上输出保持连贯。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CMaG免训练审计组合安全，在Qwen2.5-VL-7B与LLaVA-1.5-7B上使组合安全分数最多降65分。
- •提出组合性危害：图像与提示单独无害，经跨模态推理后变有害。
- •实验显示最小监督微调即可达到与多阶段RL流程相当的LLM评判分数，说明同分不能证明稳健。
- •识别与拒绝组合危害是解耦的：九种方向发现方法检测AUC最高0.99，但消融方向要么拒绝不变要么破坏连贯性。
- •CMaG用拒绝-服从对数概率边际取中层激活梯度，对比部分良性对以分离跨模态交互项。
- •80个样本单次反向传播得到方向，沿其引导可单调把拒绝转为服从；98%以上输出保持连贯。
为什么重要：提醒基准分数不等于对齐稳健，为视觉语言模型安全评估提供补充审计手段，对做多模态安全评测的团队有直接意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。