Activation Steering Meets Preference Optimization: Defense Against Jailbreaks in Vision Language Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wu, Sihao, Jin, Gaojie, Huang, Wei, Wang, Jianhong, Huang, Xiaowei
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition Artificial Intelligence
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2509.00373