Qwen3-VL安全编辑复现成功但加剧拒答
热点事件持续更新
Qwen3-VL安全编辑复现成功但加剧拒答
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
honestytools 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 ScienceQA 和 MathVista 基准成绩保持不变。 直接修改权重也带来明显副作用：编辑后的模型对超过一半的无害图文请求出现过度拒绝，表明降低越狱风险的同时可能损害正常图文请求的可用性。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 21:54
Qwen3-VL 权重级安全编辑复现：攻击成功率从 28.2% 降至 0.2%报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- AGI HuntQwen3-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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。