多模态大模型

An Evidence-Based Post-Hoc Adjustment Framework for Anomaly Detection Under Data Contamination

基于证据的后验调整框架用于数据污染下的异常检测

Sukanya Patra, Souhaib Ben Taieb

机构 * Department of Computer Science, University of Mons（蒙斯大学计算机科学系） 纠错

专题命中 图文多模态 ：multimodal(abstract)；multimodal foundation model(abstract)

AI总结 EPHAD提出一种基于证据的后验调整框架，通过测试时收集的证据提升异常检测在数据污染下的性能。

Comments Accepted in the Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)

LAMP: Learning Universal Adversarial Perturbations for Multi-Image Tasks via Pre-trained Models

LAMP: 通过预训练模型学习通用对抗扰动以实现多图像任务

Alvi Md Ishmam, Najibul Haque Sarker, Zaber Ibn Abdul Hakim, Chris Thomas

专题命中 图文多模态 ：multimodal(abstract)；分类 cs.CV

AI总结 LAMP通过预训练模型学习通用对抗扰动，针对多图像多模态大语言模型实现高效的黑盒攻击，提升了多任务攻击成功率。

Comments Accepted in main technical track AAAI 2026

Knowledge Vector Weakening: Efficient Training-free Unlearning for Large Vision-Language Models

知识向量削弱：高效无训练卸载方法用于大视觉-语言模型

Yejin Kim, Dongjun Hwang, Sungmin Cha, Junsuk Choe

机构 * Sogang University（ソガン大学） ； New York University（纽约大学） 纠错

专题命中 图文多模态 ：multimodal(abstract)

AI总结 KVW提出了一种无需训练的高效卸载方法，通过削弱模型中被激活的知识向量，有效防止模型利用有害知识，提升计算效率。