Buchumschlag

Towards Adversarially Robust Vision-Language Models: Insights from Design Choices and Prompt Formatting Techniques

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bhagwatkar, Rishika, Nayak, Shravan, Bayat, Reza, Roger, Alexis, Kaplan, Daniel Z, Bashivan, Pouya, Rish, Irina
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Adversarial Robustness of Discrete Image Tokenizers
von: Bhagwatkar, Rishika, et al.
Veröffentlicht: (2026)

CAVE: Detecting and Explaining Commonsense Anomalies in Visual Environments
von: Bhagwatkar, Rishika, et al.
Veröffentlicht: (2025)

Indirect Prompt Injections: Are Firewalls All You Need, or Stronger Benchmarks?
von: Bhagwatkar, Rishika, et al.
Veröffentlicht: (2025)

Towards ethical multimodal systems
von: Roger, Alexis, et al.
Veröffentlicht: (2023)

A Guide to Robust Generalization: The Impact of Architecture, Pre-training, and Optimization Strategy
von: Heuillet, Maxime, et al.
Veröffentlicht: (2025)

Geometry of naturalistic object representations in recurrent neural network models of working memory
von: Lei, Xiaoxuan, et al.
Veröffentlicht: (2024)

Building spatial world models from sparse transitional episodic memories
von: He, Zizhan, et al.
Veröffentlicht: (2025)

Image Tiling for High-Resolution Reasoning: Balancing Local Detail with Global Context
von: de Margerie, Anatole Jacquin, et al.
Veröffentlicht: (2025)

CHIRP: A Fine-Grained Benchmark for Open-Ended Response Evaluation in Vision-Language Models
von: Roger, Alexis, et al.
Veröffentlicht: (2025)

Small Vocabularies, Big Gains: Pretraining and Tokenization in Time Series Models
von: Roger, Alexis, et al.
Veröffentlicht: (2025)

LLM Pretraining Shapes a Generalizable Manifold: Insights into Cross-Modal Transfer to Time Series
von: Roger, Alexis, et al.
Veröffentlicht: (2026)

Caption This, Reason That: VLMs Caught in the Middle
von: Weng, Zihan, et al.
Veröffentlicht: (2025)

IWISDM: Assessing instruction following in multimodal models at scale
von: Lei, Xiaoxuan, et al.
Veröffentlicht: (2024)

PromptRobust: Towards Evaluating the Robustness of Large Language Models on Adversarial Prompts
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)

Influence Functions for Efficient Data Selection in Reasoning
von: Humane, Prateek, et al.
Veröffentlicht: (2025)

From Proof to Program: Characterizing Tool-Induced Reasoning Hallucinations in Large Language Models
von: Bayat, Farima Fatahi, et al.
Veröffentlicht: (2025)

Enhancing Context Through Contrast
von: Ambilduke, Kshitij, et al.
Veröffentlicht: (2024)

Akkumulierte Prekarität
von: Bayat, Reza
Veröffentlicht: (2025)

Adversarial Robustness of Partitioned Quantum Classifiers
von: Kananian, Pouya, et al.
Veröffentlicht: (2025)

Lag-Llama: Towards Foundation Models for Probabilistic Time Series Forecasting
von: Rasul, Kashif, et al.
Veröffentlicht: (2023)

Closed-Loop Bidirectional Prompting for Adversarial Robustness of Vision Language Models
von: Liu, Xiao, et al.
Veröffentlicht: (2026)

Adversarial Robustness in Distributed Quantum Machine Learning
von: Kananian, Pouya, et al.
Veröffentlicht: (2025)

Discovering Failure Modes in Vision-Language Models using RL
von: Jain, Kanishk, et al.
Veröffentlicht: (2026)

Random Initialization Can't Catch Up: The Advantage of Language Model Transfer for Time Series Forecasting
von: Riachi, Roland, et al.
Veröffentlicht: (2025)

Enhancing Efficiency in Vision Transformer Networks: Design Techniques and Insights
von: Heidari, Moein, et al.
Veröffentlicht: (2024)

Stable Deep Reinforcement Learning via Isotropic Gaussian Representations
von: Pasand, Ali Saheb, et al.
Veröffentlicht: (2026)

Warming Up for Zeroth-Order Federated Pre-Training with Low Resource Clients
von: Legate, Gwen, et al.
Veröffentlicht: (2025)

VFA: Vision Frequency Analysis of Foundation Models and Human
von: Darvishi-Bayazi, Mohammad-Javad, et al.
Veröffentlicht: (2024)

Adversarial Prompt Tuning for Vision-Language Models
von: Zhang, Jiaming, et al.
Veröffentlicht: (2023)

Adversarial Prompt Distillation for Vision-Language Models
von: Luo, Lin, et al.
Veröffentlicht: (2024)

NAP-Tuning: Neural Augmented Prompt Tuning for Adversarially Robust Vision-Language Models
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

Evolution-based Region Adversarial Prompt Learning for Robustness Enhancement in Vision-Language Models
von: Jia, Xiaojun, et al.
Veröffentlicht: (2025)

TAPT: Test-Time Adversarial Prompt Tuning for Robust Inference in Vision-Language Models
von: Wang, Xin, et al.
Veröffentlicht: (2024)

Non-Adversarial Inverse Reinforcement Learning via Successor Feature Matching
von: Jain, Arnav Kumar, et al.
Veröffentlicht: (2024)

Dropout Prompt Learning: Towards Robust and Adaptive Vision-Language Models
von: Chen, Biao, et al.
Veröffentlicht: (2025)

Towards LLMs Robustness to Changes in Prompt Format Styles
von: Ngweta, Lilian, et al.
Veröffentlicht: (2025)

One Prompt Word is Enough to Boost Adversarial Robustness for Pre-trained Vision-Language Models
von: Li, Lin, et al.
Veröffentlicht: (2024)

Benchmarking Vision Language Models for Cultural Understanding
von: Nayak, Shravan, et al.
Veröffentlicht: (2024)

R-TPT: Improving Adversarial Robustness of Vision-Language Models through Test-Time Prompt Tuning
von: Sheng, Lijun, et al.
Veröffentlicht: (2025)

SC-FDMA as a Delay-Doppler Domain Modulation Technique
von: Farhang, Arman, et al.
Veröffentlicht: (2024)