arXiv Artificial Intelligence· Moreno D'Inc\`a, Nicu Sebe, Massimiliano Mancini·2026-10-20 12:00· 3 小时前AI 评分32

利用文本拒绝方向实现多模态安全：MARS 免训练方法

Harnessing Textual Refusal Directions for Multimodal Safety

AI 导读

研究者提出 Modality-Agnostic Refusal Steering（MARS），一种无需多模态安全数据的免训练方法，通过激活中心化、在几何定义的信任域内自适应缩放引导强度并选择最优干预层，在首个生成 token 处注入多模态安全。