视觉大模型 / VLM

AGFT: Alignment-Guided Fine-Tuning for Zero-Shot Adversarial Robustness of Vision-Language Models

AGFT：基于对齐的微调以提升视觉-语言模型的零样本对抗鲁棒性

Yubo Cui, Xianchao Guan, Zijun Xiong, Zheng Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute, Shenzhen, China（深圳市环域研究所） 纠错

专题命中 幻觉与鲁棒性 ：vision-language model(title,abstract)；分类 cs.CV、cs.AI、cs.LG

AI总结 本文提出AGFT框架，通过概率预测进行文本引导对抗训练，提升视觉-语言模型的零样本对抗鲁棒性，同时保持跨模态语义结构。

Comments Accepted by CVPR 2026; Code is available at \url{https://github.com/YuboCui/AGFT}

Hallucination-aware intermediate representation edit in large vision-language models

具有幻觉意识的中间表示编辑在大视觉-语言模型中

Wei Suo, Hanzu Zhang, Lijun Zhang, Ji Ma, Peng Wang, Yanning Zhang

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） 纠错

专题命中 幻觉与鲁棒性 ：vision-language model(title,abstract)；分类 cs.CV、cs.AI

AI总结 本文提出一种动态检测和消除幻觉表示的框架，通过最小额外计算成本在现有基准上实现最先进的性能，展示了高效且稳健的幻觉消除能力。

A Provable Energy-Guided Test-Time Defense Boosting Adversarial Robustness of Large Vision-Language Models

一种可证明的能量引导测试时间防御提升大视觉-语言模型的对抗鲁棒性

Mujtaba Hussain Mirza, Antonio D'Orazio, Odelia Melamed, Iacopo Masi

机构 * OmnAI Lab, Computer Science Department, Sapienza University of Rome, Italy（罗马大学计算机科学系OmnAI实验室，意大利） ； Weizmann Institute of Science, Israel（魏茨曼科学研究所，以色列） 纠错

专题命中 幻觉与鲁棒性 ：vision-language model(title)；visual question answering(abstract)；分类 cs.CV

AI总结 本文提出ET3，一种轻量且无需训练的防御方法，通过最小化输入样本的能量提升模型鲁棒性，实验显示其在分类和提升大视觉-语言模型鲁棒性方面表现优异。

Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026, Main Conference

ALADIN:Attribute-Language Distillation Network for Person Re-Identification

ALADIN：基于属性-语言的知识蒸馏网络用于人重识别

Wang Zhou, Boran Duan, Haojun Ai, Ruiqi Lan, Ziyue Zhou

机构 * Wuhan University（武汉大学） 纠错

专题命中 幻觉与鲁棒性 ：vision-language model(abstract)；分类 cs.CV

AI总结 ALADIN通过属性-语言知识蒸馏网络，提升人重识别中细粒度属性特征的捕捉能力，增强鲁棒性与泛化性。

Comments 14pages, 3figures, 7charts

Calibrated Confidence Expression for Radiology Report Generation

放射报告生成中的校准置信度表达

David Bani-Harouni, Chantal Pellegrini, Julian Lüers, Su Hwan Kim, Markus Baalmann, Benedikt Wiestler, Rickmer Braren, Nassir Navab, Matthias Keicher

机构 * Computer Aided Medical Procedures, Technical University of Munich, Germany（德国慕尼黑工业大学计算机辅助医疗程序） ； Munich Center for Machine Learning (MCML), Germany（德国慕尼黑机器学习中心） ； Department of Diagnostic and Interventional Radiology, TUM Klinikum rechts der Isar, Germany（德国慕尼黑工业大学伊萨尔河右岸医院诊断与介入放射科） ； Department of Diagnostic and Interventional Neuroradiology, TUM Klinikum rechts der Isar, Germany（德国慕尼黑工业大学伊萨尔河右岸医院诊断与介入神经放射科） ； Department of Diagnostic and Interventional Radiology and Nuclear Medicine, University Medical Center Hamburg-Eppendorf, Germany（德国汉堡-埃彭多夫大学医学中心诊断与介入放射学及核医学科） ； AI for Image-Guided Diagnosis and Therapy, Technical University of Munich, Germany（德国慕尼黑工业大学人工智能图像引导诊断与治疗） 纠错

专题命中 幻觉与鲁棒性 ：vision-language model(abstract)

AI总结 本文提出ConRad框架，通过强化学习提升医学大视觉-语言模型的置信度校准，以生成更可靠的放射报告。