研究分析了机视语言模型在图像攻击下的鲁棒性，发现通过改写问题和提示格式可以增强模型抵御攻击的能力，尤其是对抗Auto-PGD攻击。这为开发更鲁棒的模型提供了重要指导，适用于安全关键环境。

本研究探讨了机视语言模型的鲁棒性对抗性攻击的重要性，并提出了一种新方法来增强鲁棒性。通过改写问题和建议对抗性扰动，成功抵御了强大的图像攻击。这些发现对开发更鲁棒的机视语言模型提供了重要指导。