arXiv · cs.CL· Ziyuan Yang·· 22 天前AI 评分43
MoE 视觉语言模型多模态安全：读取而非操控 Router Logits
Reading, Not Manipulating: Leveraging Router Logits for Multimodal Safety in MoE Vision-Language Models
来源与原文
arXiv · cs.CL
作者：Ziyuan Yang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.07774v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究发现，MoE 视觉语言模型的 router logits 能高度预测多模态输入是否安全，据此提出一种轻量级路由信号安全检测器，在 prompt prefill 阶段读取信号并在生成前识别不安全请求，无需修改模型参数或专家路由。该检测器在 Qwen3-VL 和 Kimi-VL 上显著降低 HoliSafe 基准的安全错误，并泛化到 MISHard 和 MM-SafetyBench 等分布外基准。
来源：arXiv · cs.CL · arxiv.org