EVO-Detect：MLLM后门动态检测框架
热点事件持续更新
EVO-Detect：MLLM后门动态检测框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Computer Vision 出现一篇论文，提出名为 EVO-Detect 的统一框架，用于动态检测多模态大模型（MLLM）后门。该工作由 Yinzhen Huang 等作者完成，据其摘要，方法将诊断范式从静态观测转向动态输出演化：在早期解码步骤中，通过 Attention Flow 与 Logits Flow 两个互补通道监测内部信号演化，并将轨迹转化为样本级指标，以区分自然扰动与后门证据。论文标注已被 ACM MM 2026 接收（Oral）。截至该报道，事件进展仅停留在方法提出与评估阶段，尚无后续跟进报道，也未出现与早先报道在数字、时间或说法上的矛盾。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
EVO-Detect：通过双流轨迹分析统一动态检测 MLLM 后门报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Computer VisionEVO-Detect：通过双流轨迹分析统一动态检测 MLLM 后门
研究者提出 EVO-Detect，一个通过双流轨迹分析动态检测 MLLM 后门的统一框架，将诊断范式从静态观测转向动态输出演化。该方法在早期解码步骤中通过 Attention Flow 和 Logits Flow 两个通道监测内部信号演化，并将轨迹转化为样本级指标以区分自然扰动与后门证据。
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。