跳到正文
10月9日 · 周五

全部论文

找到 2 篇
筛选3

模型自身风险

幻觉与编造1

影响

输出被操纵1

系统形态

模型与 API2

层

提示层2模型层2应用层3训练与数据层1

系统组件

监控器1推理链4视觉2多模态2

被测模型厂商

Qwen（阿里）15Google11上海 AI 实验室6Stability AI5其他28
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 676 篇还没打标签，不在筛选结果里。
层：模型层系统组件：多模态被测模型厂商：Kimi（月之暗面）清除全部

另有 676 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 评测与基准arXiv 2609.32763

    Mandela-Bench：36 个多模态模型更依赖记忆而非观察图像

    构建 Mandela-Bench，评测多模态模型是否凭记忆接受篡改图像

    arXiv
    2609.32763
    发表
    层
    模型层
    场景
    模型与 API
    测试
    Kimi-K3、Kimi-K2.6、Gemini-3.8-Flash 等 15 个
    摘要论文构建 Mandela-Bench 发现模型对经典图像存在记忆重构偏见，过度依赖先验导致无法有效利用知识核验事实篡改。

    该研究系统评估了多模态大语言模型在面对无痕事实性编辑时，能否利用自身内在世界知识核验被识别出的经典图像。

    深度解读完整解读
  2. 可解释性arXiv 2609.30993

    FLIP：面向视觉语言模型的末层推理时探针

    提出 FLIP 末层推理时探针，检验视觉语言模型干预效应的来源

    arXiv
    2609.30993
    发表
    层
    模型层
    场景
    模型与 API
    测试
    Kimi-VL-A3B、Qwen3-VL-4B-Instruct、Qwen3-VL-8B
    摘要末层 flooring 扫描在四准则下通过，原始层和左右对照没有同一正向区间。

    FLIP 是开源 VLM 上的推理时末层探针，用来检验干预效应是否结构化、与任务相连，而不是用来转向模型。。

    深度解读完整解读
已经到底了