防御arXiv 2609.14258·9月13日SPARK:在 KV 记忆层对齐表征以防御视觉语言模型越狱提出 SPARK,在预填充阶段修复多模态 KV 记忆以防御视觉语言模型越狱arXiv2609.14258发表9月13日层模型层场景模型与 API攻击者白盒防御推理时干预攻击越狱组件视觉深度解读完整解读
防御arXiv 2609.29287·9月24日AEGIS:用内部信号在中间层拦截大型音频语言模型越狱提出 AEGIS,用中层内部信号选择性激活后层适配器拦截音频越狱arXiv2609.29287发表9月24日层模型层场景模型与 API攻击者白盒防御推理时干预攻击越狱组件音频+1+1深度解读完整解读