热点事件持续更新

研究者提出EVO-Detect多模态后门检测框架

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

研究者提出名为 EVO-Detect 的多模态大模型（MLLM）后门检测框架，通过监测模型早期解码阶段内部信号的动态演化来识别后门，包含 Attention Flow 和 Logits Flow 两条互补通道。该方法将轨迹转化为样本级指标，并对照阴性对照签名进行归一化。作者称其在多种攻击类型上大幅超越 BYE 和 TCAP 等现有基线。该工作已被 ACM MM 2026 接收为 Oral。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00

EVO-Detect：通过双流轨迹分析统一动态检测 MLLM 后门

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv cs.CV
EVO-Detect：通过双流轨迹分析统一动态检测 MLLM 后门
研究者提出 EVO-Detect，一个通过监测早期解码阶段内部信号动态演化来检测 MLLM 后门的统一框架，包含 Attention Flow 和 Logits Flow 两条互补通道。该方法将轨迹转化为样本级指标并对照阴性对照签名归一化，在多种攻击类型上大幅超越 BYE 和 TCAP 等 SOTA 基线。该工作已被 ACM MM 2026 接收为 Oral。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1010月15日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。