Copertina

TCAP: Tri-Component Attention Profiling for Unsupervised Backdoor Detection in MLLM Fine-Tuning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Liu, Mingzu, Fang, Hao, Cong, Runmin
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

vTune: Verifiable Fine-Tuning for LLMs Through Backdooring
di: Zhang, Eva, et al.
Pubblicazione: (2024)

RDNet: Region Proportion-Aware Dynamic Adaptive Salient Object Detection Network in Optical Remote Sensing Images
di: Wan, Bin, et al.
Pubblicazione: (2026)

Persistent Backdoor Attacks under Continual Fine-Tuning of LLMs
di: Cui, Jing, et al.
Pubblicazione: (2025)

adaptMLLM: Fine-Tuning Multilingual Language Models on Low-Resource Languages with Integrated LLM Playgrounds
di: Lankford, Séamus, et al.
Pubblicazione: (2024)

Lightweight and Fast Backdoor Model Detection
di: Yu, Yinbo, et al.
Pubblicazione: (2026)

TACOS: Open Tagging and Comparative Scoring for Instruction Fine-Tuning Data Selection
di: He, Xixiang, et al.
Pubblicazione: (2025)

Defending Against Weight-Poisoning Backdoor Attacks for Parameter-Efficient Fine-Tuning
di: Zhao, Shuai, et al.
Pubblicazione: (2024)

Surgery: Mitigating Harmful Fine-Tuning for Large Language Models via Attention Sink
di: Liu, Guozhi, et al.
Pubblicazione: (2026)

Natural Language Fine-Tuning
di: Liu, Jia, et al.
Pubblicazione: (2024)

SEFE: Superficial and Essential Forgetting Eliminator for Multimodal Continual Instruction Tuning
di: Chen, Jinpeng, et al.
Pubblicazione: (2025)

CustomIR: Unsupervised Fine-Tuning of Dense Embeddings for Known Document Corpora
di: Paull, Nathan
Pubblicazione: (2025)

Gradual Fine-Tuning with Graph Routing for Multi-Source Unsupervised Domain Adaptation
di: Ma, Yao, et al.
Pubblicazione: (2024)

Secret Stealing Attacks on Local LLM Fine-Tuning through Supply-Chain Model Code Backdoors
di: Li, Zi, et al.
Pubblicazione: (2026)

Understanding the Performance and Estimating the Cost of LLM Fine-Tuning
di: Xia, Yuchen, et al.
Pubblicazione: (2024)

Low-rank Attention Side-Tuning for Parameter-Efficient Fine-Tuning
di: Tang, Ningyuan, et al.
Pubblicazione: (2024)

Fine-Tuning LLMs for Report Summarization: Analysis on Supervised and Unsupervised Data
di: Rallapalli, Swati, et al.
Pubblicazione: (2025)

Enhancing Reinforcement Learning Fine-Tuning with an Online Refiner
di: Ma, Hao, et al.
Pubblicazione: (2026)

Rank Also Matters: Hierarchical Configuration for Mixture of Adapter Experts in LLM Fine-Tuning
di: Cong, Peizhuang, et al.
Pubblicazione: (2025)

TriAdaptLoRA: Brain-Inspired Triangular Adaptive Low-Rank Adaptation for Parameter-Efficient Fine-Tuning
di: Liang, Yao, et al.
Pubblicazione: (2025)

Quantum-Enhanced LLM Efficient Fine Tuning
di: Kong, Xiaofei, et al.
Pubblicazione: (2025)

AIC MLLM: Autonomous Interactive Correction MLLM for Robust Robotic Manipulation
di: Xiong, Chuyan, et al.
Pubblicazione: (2024)

PrivTune: Efficient and Privacy-Preserving Fine-Tuning of Large Language Models via Device-Cloud Collaboration
di: Liu, Yi, et al.
Pubblicazione: (2025)

Token Cleaning: Fine-Grained Data Selection for LLM Supervised Fine-Tuning
di: Pang, Jinlong, et al.
Pubblicazione: (2025)

MLLM-CTBench: A Benchmark for Continual Instruction Tuning with Reasoning Process Diagnosis
di: Guo, Haiyun, et al.
Pubblicazione: (2025)

Supervised Fine-Tuning as Inverse Reinforcement Learning
di: Sun, Hao
Pubblicazione: (2024)

Fine-Tuning Code Language Models to Detect Cross-Language Bugs
di: Li, Zengyang, et al.
Pubblicazione: (2025)

Traj-MLLM: Can Multimodal Large Language Models Reform Trajectory Data Mining?
di: Liu, Shuo, et al.
Pubblicazione: (2025)

Judge Before Answer: Can MLLM Discern the False Premise in Question?
di: Li, Jidong, et al.
Pubblicazione: (2025)

Agent-Q: Fine-Tuning Large Language Models for Quantum Circuit Generation and Optimization
di: Jern, Linus, et al.
Pubblicazione: (2025)

Expertise-aware Multi-LLM Recruitment and Collaboration for Medical Decision-Making
di: Bao, Liuxin, et al.
Pubblicazione: (2025)

Understanding Overadaptation in Supervised Fine-Tuning: The Role of Ensemble Methods
di: Hao, Yifan, et al.
Pubblicazione: (2025)

PAD-FT: A Lightweight Defense for Backdoor Attacks via Data Purification and Fine-Tuning
di: Xu, Yukai, et al.
Pubblicazione: (2024)

Fast and Lightweight Backdoor Detection via Head Random Probing
di: Yu, Yinbo, et al.
Pubblicazione: (2026)

TuckA: Hierarchical Compact Tensor Experts for Efficient Fine-Tuning
di: Lei, Qifeng, et al.
Pubblicazione: (2025)

Correlation-Aware Select and Merge Attention for Efficient Fine-Tuning and Context Length Extension
di: Wang, Ning, et al.
Pubblicazione: (2024)

DEFT: Data Efficient Fine-Tuning for Pre-Trained Language Models via Unsupervised Core-Set Selection
di: Das, Devleena, et al.
Pubblicazione: (2023)

ASFT: Aligned Supervised Fine-Tuning through Absolute Likelihood
di: Wang, Ruoyu, et al.
Pubblicazione: (2024)

Instructions as Backdoors: Backdoor Vulnerabilities of Instruction Tuning for Large Language Models
di: Xu, Jiashu, et al.
Pubblicazione: (2023)

Attention and Autoencoder Hybrid Model for Unsupervised Online Anomaly Detection
di: Najafi, Seyed Amirhossein, et al.
Pubblicazione: (2024)

LatteCLIP: Unsupervised CLIP Fine-Tuning via LMM-Synthetic Texts
di: Cao, Anh-Quan, et al.
Pubblicazione: (2024)