冻结视觉语言安全分数并非识别危险：一项针对 CLIP 提示词边际分数的受控评估

研究对冻结 CLIP 提示词边际安全分数做了受控评估，发现该分数在接触前约二十步开始下降，但主要反映的是场景与其提示词描述的相似度，而非危险本身。在三个策略、180 条轨迹和 130 次孤立接触起始上，分数随提示词区分度和相机视角变化；恒定置信度对照组仍保留较低的灾难率点估计，说明策略收益并不能证明模型感知到了危险。