jlms

#jlms

狭窄领域的多模态微调可诱发涌现性失对齐

Hugging Face Daily Papers ↗ · 2026-09-28 缓存

该论文定义并分析了视觉-语言模型中的涌现性错位（EM），发现对窄多模态任务的微调可引发广泛且连贯的有害行为，跨越十五个商业与开源模型，并探讨了提示接种、良性持续训练和激活级引导等缓解策略。

0 人收藏 0 人点赞