Hugging Face · 每日论文· 媒体 / 作者来源·精选
Harnessing Textual Refusal Directions for Multimodal Safety
原文标题
Harnessing Textual Refusal Directions for Multimodal Safety
AI 导读
研究提出Modality-Agnostic Refusal Steering (MARS)方法，通过从LLM骨干网络提取文本拒绝方向实现多模态安全，无需收集多模态安全数据。MARS通过激活中心化、自适应调整引导强度和选择最佳干预层，在五种SOTA多模态大模型上提升了安全性，同时保持实用性。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
解决了多模态大模型安全数据收集困难的问题，提供了一种无需多模态安全数据的轻量级安全增强方法。
导读由模型辅助整理，非独立核验。完整信息见原文。