VidMark：面向视频生成模型知识产权保护的高效水印方案（原文，在新标签页打开）
提出 VidMark 水印方案，核验视频生成模型的输出来源与所有权。
#多模态
今天新收录 131条今天新收录 131条
#多模态
今天新收录 131条
10月1日周四
星期四
arXiv：对齐、欺骗与监督 · 收录 · 原文 论文 arXiv：对齐、欺骗与监督 · 收录 · 原文 论文关注度1818 StyleAT：用对抗训练防御人脸识别的语义攻击（原文，在新标签页打开）
提出 BoundStyle 与 StyleAT，对抗训练防御人脸识别语义攻击。
arXiv：对齐、欺骗与监督 · 收录 · 原文 论文关注度4343 研究者提出通过替换神经网络权重高容量外泄医学影像的攻击（原文，在新标签页打开）
提出连续潜码隐写，把医学影像写入模型权重以绕过导出限制。
arXiv：对齐、欺骗与监督 · 收录 · 原文 论文关注度1515 用强化学习增强胸部 X 光报告生成中的视觉推理（原文，在新标签页打开）
用门控 IoU 与 RadGraph 的 GRPO 降低胸片报告幻觉。
arXiv：对齐、欺骗与监督 · 收录 · 原文 论文关注度2222 零训练 LLM+OVOD 流水线中的归因缺口：CAAP–SNAP 差异的细粒度分析（原文，在新标签页打开）
分析零训练 LLM+OVOD 流水线中 CAAP 与 SNAP 分离的来源。
Hugging Face Daily Papers · 收录 · 原文 论文关注度4343 OSWorld-Science：面向科学软件学习与使用的计算机操作智能体基准（原文，在新标签页打开）
提出 OSWorld-Science 基准，评测计算机使用智能体完成科学软件工作流的能力。
arXiv · 收录 · 原文 论文关注度4343 ForesightSafety-VLA：面向视觉-语言-动作模型的统一诊断安全基准（原文，在新标签页打开）
研究者提出 ForesightSafety-VLA，一个以安全为首要评测目标的视觉-语言-动作（VLA）模型诊断基准。
arXiv · 收录 · 原文 论文关注度4343 MiShield：识别多图组合后浮现的隐式有害内容（原文，在新标签页打开）
论文提出多图隐式有害内容（MIIT）问题，即每张图片单独看都无害，但多张图片联合解读时会产生有害语义，现有商业审核 API 和模型因单图缺乏明显风险线索而难以识别。
arXiv · 收录 · 原文 论文关注度5050 TempJail：通过字幕时间调度对大型视觉语言模型发起时序越狱攻击（原文，在新标签页打开）
研究者提出 TempJail，一种黑盒视频越狱框架，通过构造与查询对齐的对话式字幕序列并优化其时间调度，利用大型视觉语言模型（LVLM）在时间维度上的脆弱性诱导出符合原始有害意图的回答。
arXiv：可解释性 · 收录 · 原文 论文关注度2929 FailSAE：用稀疏自编码器实现视觉语言模型的可解释失败预测（原文，在新标签页打开）
研究提出 FailSAE，用稀疏自编码器（SAE）对 CLIP 等视觉语言模型做可解释的失败预测，将失败预测建模为 SAE 稀疏隐激活上的分类任务，并设计三阶段失败感知训练流程。
arXiv：可解释性 · 收录 · 原文 论文关注度2929 EraseSAE：用稀疏自编码器在文生视频扩散模型中实现精准概念擦除（原文，在新标签页打开）
提出 EraseSAE，在文生视频模型中局部擦除指定概念。
arXiv：可解释性 · 收录 · 原文 论文关注度1515 解读文本到图像扩散模型中的对象依赖概念脆弱性（原文，在新标签页打开）
用逐步 SAE 诊断文生图概念脆性，并推理时向类原型插值。
arXiv：可解释性 · 收录 · 原文 论文关注度2525 ResLRP：残差抵消如何导致 Vision Transformer 归因不稳定（原文，在新标签页打开）
提出 ResLRP，抑制视觉 Transformer 残差抵消引起的归因不稳定。
arXiv：可解释性 · 收录 · 原文 论文关注度3636 稀疏特征揭示视觉语言模型有害表情包检测中的读出缺口（原文，在新标签页打开）
研究用稀疏自编码器、角色条件探针、因果干预和恢复实验，在 Gemma-3 与 Qwen3.5 上区分视觉语言模型误判有害表情包时是缺少内部证据还是无法把已表征的证据传到输出。
arXiv：对齐、欺骗与监督 · 收录 · 原文 论文关注度2929 现代图像后置水印信道的优化与安全：SNW 方案（原文，在新标签页打开）
提出带密钥的 SNW，抵御事后图像水印的身份伪造。
arXiv：对齐、欺骗与监督 · 收录 · 原文 论文关注度3535 CoRe：协同演化奖励模型缓解视频扩散模型中的潜在奖励作弊（原文，在新标签页打开）
针对固定潜在奖励模型优化会导致潜在奖励作弊、生成视频的感知与运动质量下降的问题，研究者提出协同演化奖励框架 CoRe，将潜在空间对齐视为生成器与奖励模型之间的动态交互，持续用生成器当前样本重新拟合奖励模型并锚定真实视频偏好，使生成器无法通过偏离数据分布获取高奖励。
Hugging Face Daily Papers · 收录 · 原文 论文关注度5050 VoxParity 评测：语音智能体在需要听声判断时仍按文字行事（原文，在新标签页打开）
提出 VoxParity，固定转写只改音频，评测语音智能体是否按行业规则改工具调用。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度4343 BadAction：通过动作引导触发器对交互式视频生成模型实施后门攻击（原文，在新标签页打开）
提出 BadAction，通过动作触发器给交互式视频生成植入后门。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度4040 NDDL：用正常扩散动力学为文生图模型做后门防御（原文，在新标签页打开）
提出 NDDL，用良性扩散轨迹检测文生图后门提示并定位触发 token。
arXiv：越狱、提示注入、投毒与防御 · 收录 · 原文 论文精选关注度5353 CollageAttack：利用跨模态对齐缺陷对 T2I 模型实施空间文本组合越狱（原文，在新标签页打开）
浙江大学与香港理工大学的研究者提出CollageAttack，用空间文本碎片重组越狱文生图模型。
arXiv：越狱、提示注入、投毒与防御 · 收录 · 原文 论文精选关注度5656 SceneJail：利用视频场景上下文越狱多模态大模型（原文，在新标签页打开）
提出SceneJail，利用视频情境上下文越狱视频多模态模型。
推荐理由论文把视频场景本身当作攻击面，并给出跨八个 Video-MLLM 的成功率与三种防御下的表现，可供多模态安全评测参考。
arXiv：越狱、提示注入、投毒与防御 · 收录 · 原文 论文关注度5050 研究测量并预测具身 VLM 规划器中任务的拒答可变性（原文，在新标签页打开）
测量并预测具身 VLM 规划器的任务拒答可变性。
arXiv · 收录 · 原文 论文关注度2929 面向良性用途的对抗攻击：视觉内容全生命周期主动防护综述（原文，在新标签页打开）
综述视觉内容全生命周期中的所有者侧对抗防护方法。
arXiv · 收录 · 原文 论文关注度4343 RACER：面向多模态大模型后门的区域感知一致性修复框架（原文，在新标签页打开）
提出 RACER，用区域感知一致性对抗微调去除多模态大模型后门。
arXiv · 收录 · 原文 论文关注度88 VA-Judger：面向联合视频-音频生成的人类偏好反馈奖励建模（原文，在新标签页打开）
提出 VA-Judger，用人类偏好训练联合音视频奖励模型。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度5050 研究者提出针对微调 TTS 模型的黑盒成员推断攻击（原文，在新标签页打开）
提出针对微调 TTS 的黑盒成员推断攻击。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度5050 GhostWord：针对自动语音识别的细粒度后门攻击（原文，在新标签页打开）
提出 GhostWord 词级触发后门，对自动语音识别做数据投毒。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度3737 TRIM：面向多种后门触发器的黑盒检测与净化方法（原文，在新标签页打开）
提出 TRIM，在黑盒推理时定位并净化图像后门区域。
arXiv · 收录 · 原文 论文关注度4242 RAPID：面向文生图服务的实时防未授权蒸馏防御（原文，在新标签页打开）
提出 RAPID，离线把抗蒸馏扰动写入文生图解码器。
arXiv · 收录 · 原文 论文关注度2020 VisER：面向 LVLM 物体幻觉检测的视觉证据与视觉依赖双面指标（原文，在新标签页打开）
提出 VisER，用内部视觉证据检测 LVLM 物体幻觉。
arXiv · 收录 · 原文 论文关注度5050 论文提出分布式隐式危害 DIH，评测 30 多个 MLLM 的视频审核盲区（原文，在新标签页打开）
论文提出多模态大语言模型在视频审核中的组合式安全盲区，称为分布式隐式危害（DIH），即由视频各组件之间的关系而非单一显式线索产生的危害。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度4343 FreqDoor：面向视觉语言模型的频域后门攻击（原文，在新标签页打开）
提出 FreqDoor，在频域混合振幅并对生成式 VLM 做训练时视觉后门。
arXiv · 收录 · 原文 论文关注度4343 LIBERO-VPro：评测机器人基础模型闭环视觉鲁棒性的基准（原文，在新标签页打开）
研究者提出 LIBERO-VPro，用于系统评测机器人基础模型在执行过程中的闭环视觉鲁棒性，通过扰动执行时可获得的视觉证据来考察模型表现。
arXiv · 收录 · 原文 论文关注度5050 TAME：用 SAE 抑制激活缓解 VLM 思维链混淆（原文，在新标签页打开）
提出 TAME，在强化学习中抑制模板激活以缓解思维链混淆。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度3838 QPriv-VL：面向视觉语言模型的问题引导 token 裁剪隐私防御（原文，在新标签页打开）
提出 QPriv-VL，用问题引导剪枝降低分布式视觉问答的隐私泄露。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度2525 ODPure：通过集成破坏共识实现目标检测后门净化（原文，在新标签页打开）
提出 ODPure，在输入阶段用腐蚀重建与共识净化目标检测后门。
arXiv：后门、投毒与隐私 · 收录 · 原文 论文关注度3232 CLIPGuard：针对 CLIP 嵌入空间隐蔽后门的区域级黑盒防御（原文，在新标签页打开）
CLIPGuard 是一种轻量、完全黑盒的防御方法，通过测量分段嵌入扰动定位恶意区域，并仅对可疑片段做语义修复，以抵御 CLIP 嵌入空间后门攻击。
arXiv：危险能力与安全评测 · 收录 · 原文 论文关注度5050 Multi2AV-Safety：首个覆盖 11 种多模态条件组合的音视频生成安全基准（原文，在新标签页打开）
研究者提出 Multi2AV-Safety，一个面向音视频生成的安全基准。
arXiv：危险能力与安全评测 · 收录 · 原文 论文关注度4343 AdvPIE：面向文生图模型隐式漏洞的自动红队框架（原文，在新标签页打开）
提出 AdvPIE，在黑盒下搜索表面无害却生成有害图像的提示。
arXiv：危险能力与安全评测 · 收录 · 原文 论文关注度4646 AV-SafetyBench：面向文本到音视频生成的安全基准（原文，在新标签页打开）
提出 AV-SafetyBench 评测文生音视频模型的不安全生成。