視覺注入

深度分析

視覺語言模型在具身代理中的信任邊界混淆與多代理緩解策略

隨著大型視覺語言模型（LVLM）驅動的視覺語言代理系統（VLAS）在具身場域的應用增加，環境中的文字與符號成為既是必要的安全訊號，也是可被惡意利用的攻擊面。研究提出一套雙意圖資料集與統一評估框架，系統化測試結構化字樣與對抗性噪音注入對代理決策的影響。