研究者提出CNRF选择性VLM安全框架

2026年10月16日，arXiv Artificial Intelligence发布研究，Tianshi Wang等作者提出反事实邻域风险场（CNRF）选择性视觉语言模型（VLM）安全框架。该框架通过构建上下文匹配的良性-有害反事实对，以其表征差异作为与能力相关的风险方向，并将邻域支持度与风险分开估计，从而避免把不熟悉误判为有害。报道称，在三种VLM和五类多模态越狱攻击上，CNRF取得86.06-89.30%的宏观防御成功率，同时保留可观的良性任务效用。目前该事件仅有这一篇主报道，尚无后续跟进报道，框架的具体适用条件、收费或额度、地域及发布时间限制在报道中未作说明。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。