Qwen3-VL 权重级安全编辑复现：攻击成功率从 28.2% 降至 0.2%

研究人员依据原论文作者日志，在 Qwen3-VL-8B 上复现权重空间安全编辑，使 FigStep 越狱攻击成功率从 28.2% 降至 0.2%，同时保持 ScienceQA 和 MathVista 基准成绩不变。直接修改权重也带来明显代价：编辑后模型对超过一半的无害图文请求出现过度拒绝。