跳到正文
arXiv · 机器人与计算机视觉· Binchi Zhang, Apurva Narayan, Atrisha Sarkar·· 2026-10-05精选AI 评分82

仅需微小改动即可改写感知:VLM 中的目标语义替换研究

It Takes Little to Rewrite Perception: Targeted Semantic Substitution in Vision-Language Models at $\epsilon \leq 4/255$

AI 导读

该预印本论文针对视觉语言模型(VLM)在安全关键场景下的鲁棒性提出质疑。研究发现,即使在极小的扰动范围(ε≤4/255)内,通过白盒威胁模型下的对齐策略,也能成功实现目标图像的语义替换。

推荐理由

研究表明在极小扰动下即可实现语义替换,揭示了 VLM 在安全关键场景下的脆弱性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org