论文解析VLM训练与推理差距机制
热点事件持续更新
论文解析VLM训练与推理差距机制
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
一项 arXiv 论文在 Qwen2.5-VL-7B-Instruct 上发现，针对固定目标描述施加对抗扰动，可把 teacher-forced 训练损失压到接近零，但模型自由生成时仍输出原本正确的描述。作者将这种训练与推理表现脱节称为 train/inference gap。 该结论基于对 200 张 COCO 留出图像的两阶段 PGD 攻击实验，作者称由此给出了该差距的机制解释。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
Qwen2.5-VL-7B 为何"被篡改却仍答对"：VLM 的 train/inference gap 机制解析报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.AIQwen2.5-VL-7B 为何"被篡改却仍答对"：VLM 的 train/inference gap 机制解析
研究在 Qwen2.5-VL-7B-Instruct 上发现，针对性对抗扰动可将固定目标描述的 teacher-forced 训练损失压至近零，但模型自由生成时仍输出原本正确的描述，作者称之为 train/inference gap。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。