研究者提出OrthoPurify净化后门LVLM

研究者提出一种名为 OrthoPurify 的方法，用于净化被植入后门的大型视觉语言模型。该方法通过一步正交投影直接修改模型权重，无需重新训练，也不需要在推理阶段做额外干预。 据作者描述，其原理基于“方向劫持”现象：先用少量干净样本微调预训练权重，得到一个伪良性参考模型，再据此定位并移除被劫持的权重更新方向。实验称该方法可将攻击成功率降至接近零，同时在多个基准上保持原有性能，代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。