研究提出SAP缓解VLM剪枝安全漏洞
热点事件持续更新
研究提出SAP缓解VLM剪枝安全漏洞
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
一项 arXiv 研究首次系统评估 Token-Pruning 对视觉语言模型（VLM）安全性的影响，发现多数剪枝策略随剪枝比例升高会显著降低安全性，而 Query-based Compression 在极端剪枝（最高 99.8%）下反而提升安全性。 针对这一问题，Shuailong Wang 等人提出推理时、即插即用的安全感知剪枝（SAP）机制，通过三个步骤抵消相关主导效应，并对其效果进行了验证。 报道未披露 SAP 的适用模型范围、具体实现条件及是否收费。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
理解与缓解 Token-Pruning 在 VLM 中引发的安全漏洞报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LG理解与缓解 Token-Pruning 在 VLM 中引发的安全漏洞
研究首次系统评估 Token-Pruning 对 VLM 安全性的影响，发现多数剪枝策略随比例升高显著降低安全性，而 Query-based Compression 在极端剪枝（最高 99.8%）下反而提升安全性。
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。