研究揭示VLM训练与推理间的对抗性差距
热点事件持续更新
研究揭示VLM训练与推理间的对抗性差距
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv Artificial Intelligence 刊出 Arun Josephraj Arokiaraj 等作者的论文，对视觉语言模型的训练/推理差距进行机制分析。研究以 Qwen2.5-VL-7B-Instruct 为对象，在200张留出的 COCO 图像上实施受控的两阶段 PGD 攻击，发现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正确描述，作者将这种分离称为“训练/推理鸿沟”。报道称，该研究给出了这一鸿沟的精确机制解释。目前事件进展限于该论文的发布与上述实验结论，尚无后续跟进报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
Qwen2.5-VL-7B 研究揭示视觉语言模型的“训练/推理鸿沟”报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv Artificial IntelligenceQwen2.5-VL-7B 研究揭示视觉语言模型的“训练/推理鸿沟”
研究在 Qwen2.5-VL-7B-Instruct 上发现，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正确描述，作者称之为训练/推理鸿沟。
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。