ERASE：多模态提示注入防御的自蒸馏方法

Shuo Hong 等在 arXiv 发布论文（2610.41307），提出 ERASE，一种针对多模态提示词注入攻击的在策略自蒸馏防御方法：将媒体中被注入的区域原地擦除并替换为空白内容，以此构造参考，让模型从读取擦除视图的冻结基座模型学习。 论文称，在图像、音频和视频两种模型规模的评估基准上，ERASE 观测到的攻击成功率接近零；代码将在论文被接收后公开。

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。