跳到正文
10月8日 · 周四

全部论文

找到 3 篇
筛选1

系统形态

模型与 API2AI Agent1具身与机器人1

层

模型层3

系统组件

MCP 与技能1护栏与评审3监控器1推理链6微调与开源权重2视觉2音频1嵌入1多模态3

被测模型厂商

其他3
同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 1057 篇还没打标签，不在筛选结果里。
系统组件：多模态清除全部

另有 1057 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 分析与理论arXiv:2610.09517 ·

    审计发现 CLIP 安全分数主要反映画面与提示词场景的相似度

    开环审计冻结视觉安全分，发现偏离主要来自场景模板与视角

    具身与机器人测试CLIP ViT-B/32、CLIP ViT-L/14、Qwen2-VL-7B 等 6 个模型层
    摘要论文审计了冻结 VLM 安全评分机制，指出其反映场景模板而非危险感知，为安全强化学习评估提供了严谨基准。

    本文是一项针对安全强化学习中冻结视觉语言模型（VLM）安全评分机制的实证审计研究。

    完整解读
  2. 可解释性arXiv:2610.01864 ·

    从孤立特征到轨道：通过多重 SAE 对齐发现音乐概念

    提出多 SAE 对齐方法，从音乐模型表征中发现和弦与调性轨道

    模型与 API测试MuQ、MusicFM模型层
    摘要用移调对齐的多 SAE 恢复和弦、调与旋律轨道，并用少量锚点做下游音乐理解。

    作者提出一套面向音乐基础模型的结构可解释性框架：不把 SAE 特征当作孤立概念，而用半音移调把它们连成有序轨道。

    完整解读
  3. 可解释性arXiv:2610.00895 ·

    DiDAE：面向视觉基础模型的快速解耦反事实解释方法

    提出 DiDAE，对冻结视觉基础模型做无梯度解耦反事实解释

    模型与 API测试ResNet-18、CLIP ViT-L/14、PLIP 等 8 个模型层
    摘要DiDAE 用无梯度字典编辑生成解耦反事实，并用于修正与排序。

    DiDAE 用冻结视觉基础模型和一个解耦字典，生成按分量编辑的视觉反事实，再拿去修正依赖伪相关的分类器，或给字典原子按“是否真能翻转该分类器”排序。

    完整解读
已经到底了