孔羯

Abstract 摘要——多模态大语言模型（MLLMs）融合了文本与视觉模态，在众多多模态任务中展现出前所未有的能力。然而，视觉输入的引入也带来了安全风险，其中之一便是越狱攻击。尽管已有多种通过视觉模...