MoE路由logits用于VLM生成前安全检测
Get the story
2026年10月7日，arXiv Computation and Language 发表一手研究，提出一种轻量级 router-logit 安全检测器。该方法在 prompt prefill 阶段读取 MoE 视觉语言模型的路由信号，在生成前识别不安全请求，不修改模型参数或专家路由。研究称该检测器在 Qwen3-VL 和 Kimi-VL 上显著降低 HoliSafe 基准的安全错误，并泛化至 MISHard 和 MM-SafetyBench 等分布外安全基准。目前未见与早先报道矛盾之处，也无后续独立验证报道。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and Language阅读而非操控：利用 MoE 视觉语言模型中的 Router Logits 提升多模态安全性
研究提出一种轻量级 router-logit 安全检测器，在 prompt prefill 阶段读取路由信号，在生成前识别不安全请求，不修改模型参数或专家路由。该检测器在 Qwen3-VL 和 Kimi-VL 上显著降低 HoliSafe 基准的安全错误，并泛化至 MISHard 和 MM-SafetyBench 等分布外安全基准。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.