本研究提出了一种渐进式概念驱动的对齐策略（PSA-VLM），旨在增强视觉语言模型的安全性。该方法通过将安全模块作为概念瓶颈，显著提升了对风险图像的防御能力，同时保持了模型性能，取得了先进的安全基准成果。

Enhancing the Safety of Vision-Language Models through Progressive Concept-Bottleneck-Driven Alignment
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证