NTUE：用自然文本扰动保护LVLM训练数据

Chenyu Yi 等人提出面向大型视觉语言模型（LVLM）的文本不可学习样本方法 NTUE：通过微调图像标签文本，在感兴趣身份与另一目标之间建立捷径，从而误导 LVLM，且不引入事实错误、不影响可读性。作者称这是首次针对 LVLM 探索不可学习样本。 作者称，实验显示 NTUE 在低至 5% 的投毒率下仍取得较高成功率，优于传统不可学习样本方法，可作为保护多模态数据的实用方案。上述效果均为论文作者的说法。

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。