大型视觉模型（LVLMS）在多模式任务中表现出出色的表现，但仍然容易受到绕过内置安全机制的越狱攻击，以引起限制性的内容产生。现有的Black-Box越狱方法主要依赖于对抗文本提示或图像扰动，但是这些方法可以通过标准内容过滤系统高度检测，并且表现出低查询和计算效率。在这项工作中，我们提出了跨模式的对抗性多模式混淆（CAMO），这是一种新颖的黑盒越狱攻击框架，将恶意提示分解为语义上良性的视觉和文字片段 ...

有毒在线帖子的广泛传播对社会越来越损害。但是，关于中文检测有毒语言的研究显着落后。现有的数据集缺乏对有毒类型和表达式的细粒注释，并且忽略了间接毒性的样品 ...

流程奖励模型（PRMS）通过测试时间缩放（TTS）增强了大语言模型（LLM）的数学推理能力（LLMS）的希望。但是，它们整合到多模式推理中仍然没有探索。在这项工作中，我们迈出了在多模式数学推理中解锁PRM的潜力的第一步 ...

随着现代基于Internet的平台（例如亚马逊机械土耳其人）的成功，从非专家那里收集大量手动标记样品是正常的。基于预期的最大化更新的Dawid-Skene算法已广泛用于从嘈杂的众包标签中推断出真正的标签。但是，DAWID-SKENE方案需要所有数据才能执行每种EM迭代，并且对于流数据或大型数据而言可能是不可行的 ...

SoftMax函数对于 Transformer 的注意至关重要，该函数将注意力评分的每一行归一化，从而达到1，从而实现了优于其他替代功能的卓越性能。但是，当注意力分数的某些元素接近极值（例如接近一个或零的概率）时，SoftMax函数可能会面临梯度消失的问题。在本文中，我们建议通过修改$ softmax（x）$为$ x \ cdot softmax（x）$及其正常化的变体$ \ frac {（x-m ...

仇恨言论的扩散对社会造成了重大伤害。仇恨的强度和方向性与与目标相关的目标紧密相关。但是，中文中有关仇恨言论检测的研究落后了，现有数据集缺乏跨度级的细粒注释 ...