論文の概要: Does Target Alignment Mean Target Recovery? An Evidence-Ladder Study of Adversarial Claims on Contrastive Encoders
- arxiv url: http://arxiv.org/abs/2610.11938v1
- Date: Thu, 08 Oct 2026 13:30:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.043103
- Title: Does Target Alignment Mean Target Recovery? An Evidence-Ladder Study of Adversarial Claims on Contrastive Encoders
- Title（参考訳）: ターゲットアライメントは目標回復を意味するか? コントラストエンコーダの逆問題に関するエビデンス・ラダー研究
- Abstract要約: 視覚反転モデルに対するアドリアック攻撃は、画像をテキストターゲットに向けて最適化し、攻撃されたモデルの類似度スコアを成功の証拠として引用する。
我々は,そのスコア(被害者空間目標アライメント(VTS))が,独立したモデルによって標的の回復を予測するかどうかを問う。
- 参考スコア（独自算出の注目度）: 5.718411618702401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adversarial attacks on vision-language models optimize an image toward a text target, then cite the attacked model's similarity score as evidence of success. We ask whether that score - victim-space target alignment (VTS) - predicts recovery of the target by an independent model. We first build a measurement instrument: supervised judges outside the attacked geometry, real-target blend controls, shuffled-target negatives, and a reference level derived from a 50% target-image blend. Two preregistered studies then compare six contrastive encoders under a matched attack at three perturbation budgets. Robustly trained encoders (FARE, TeCoA, PMG, TRADES) transfer substantially more independent evidence than vanilla CLIP or SigLIP; all eight contrasts reject at the bootstrap floor. However, no cell reaches the blend-derived reference level. The three best cells fall within its replication band, leaving practical recovery undecided. Within robust encoders, per-sample alignment gain correlates with evidence gain ($ρ= 0.24-0.51$); within vanilla CLIP the correlation is consistent with zero. Across encoders we find no monotone alignment-evidence relation. VTS is therefore informative only within a fixed robust encoder, and we provide a reporting protocol in its place.
- Abstract（参考訳）: 視覚言語モデルに対する敵対的攻撃は、画像をテキストターゲットに向けて最適化し、攻撃されたモデルの類似度スコアを成功の証拠として引用する。
我々は,そのスコア(被害者空間目標アライメント(VTS))が,独立モデルによる目標の回復を予測するかどうかを問う。
まず、攻撃された幾何学の外側の監督された審査員、リアル・ターゲット・ブレンド制御、シャッフル・ターゲット・ネガティクス、および50%のターゲット・イメージ・ブレンドから導出される基準レベルを構築した。
2つの事前登録された研究は、3つの摂動予算で一致した攻撃の下で6つの対照的なエンコーダを比較する。
頑強に訓練されたエンコーダ(FARE、TeCoA、PMG、TRADES)はバニラCLIPやSigLIPよりもかなり独立した証拠を転送する。
しかし、ブレンド由来の基準レベルに達する細胞は存在しない。
3つの最良細胞は複製バンドに該当し、実用的回復は未決定のままである。
頑健なエンコーダでは、サンプルごとのアライメントゲインはエビデンスゲイン(ρ = 0.24-0.51$)と相関する。
エンコーダ全体では、モノトーンアライメントとエビデンスの関係は見つからない。
したがって、VTSは固定されたロバストエンコーダ内でのみ情報を伝達し、その代わりにレポートプロトコルを提供する。
関連論文リスト
- Corrupted but Correct: Why Vision-Language Models Lie to Themselves Internally [0.713496583173065]
目標摂動は、固定された目標キャプションに対する教師による訓練損失を、視覚シリアルモデル(VLM)のほぼゼロに駆動することができる。
我々はこの解離を列車/干渉ギャップと呼び、Qwen2.5-VL-7B-Instructの正確な機械的説明を与える。
論文 参考訳（メタデータ） (2026-10-02T15:27:28Z) - To Copy or Not to Copy: Controlling Speculative Decoding via Intrinsic Model Signals [53.517661959543894]
投機的復号法 (SD) はLarge Language Model (LLM) の推論を著しく加速した。
既存のアプローチは、ニューラルドラフトとコンテキストベースのコピーという2つのドラフト戦略の根本的なトレードオフに直面している。
既存のコピーベース手法を解析し、それらが偶然に繰り返される傾向があることを確認する。
本稿では,LLMの遅延制御信号としてコピー処理を扱う適応型フレームワークであるSwitchSDを紹介する。
論文 参考訳（メタデータ） (2026-09-17T12:51:20Z) - Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - When Can You Trust Offline Evaluation of Equal-Cost Top-k Allocation? A Controlled, Reproducible Benchmark and Practitioner's Guide [0.0]
5つのデータセットと2つの既知のエフェクトスイープにまたがる6つの推定器をベンチマークし、非シミュレートされたペア参照に対してそのメカニズムを検証する。
ターゲット自身のスコアからロガーをシャープすると、テスト対象範囲をわずかにオーバーラップし、アクションレベルの不一致が崩壊する。
結果のニュアンスのみを適合させることは、再利用バイアスをその場に残し、それを悪化させます。
論文 参考訳（メタデータ） (2026-08-12T18:10:10Z) - When Does Consensus Mean Correctness? Measuring the Agreement-Accuracy Coupling with Semantics-Preserving Re-Rendering [0.8594140167290097]
ラベルのない信頼性信号として、摂動入力間のモデルの合意が使用される。
レンダリングは正確さと信頼性の両方で再サンプリングする。
モデル自身のクロスレンダーコンセンサスインバータを微調整する。
論文 参考訳（メタデータ） (2026-08-06T07:08:05Z) - TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。
我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。
我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
論文 参考訳（メタデータ） (2026-04-30T13:44:01Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z) - CleanCLIP: Mitigating Data Poisoning Attacks in Multimodal Contrastive
Learning [63.72975421109622]
CleanCLIPは、バックドア攻撃によって引き起こされる学習された刺激的関連を弱める微調整フレームワークである。
CleanCLIPは、マルチモーダル・コントラッシブ・ラーニングに対するバックドア・アタックを根絶しながら、良質な例によるモデル性能を維持している。
論文 参考訳（メタデータ） (2023-03-06T17:48:32Z) - Consistent-Teacher: Towards Reducing Inconsistent Pseudo-targets in
Semi-supervised Object Detection [28.40887130075552]
擬似ターゲットは正確な検出器の訓練を損なう。
生徒のトレーニングにノイズを注入し、過度な過度な問題を引き起こす。
不整合を低減するために,ConsistentTeacherと呼ばれる体系的ソリューションを提案する。
論文 参考訳（メタデータ） (2022-09-04T10:21:02Z) - ConFUDA: Contrastive Fewshot Unsupervised Domain Adaptation for Medical
Image Segmentation [12.991221415461673]
Unsupervised domain adapt (UDA) は、ラベル付きソースドメインから未ラベルのターゲットドメインに学習した知識を転送することを目的としている。
画像セグメント化では、画素単位のコントラスト損失の計算による大きなメモリフットプリントは使用を禁止している。
本稿では,CCL(Centroid-based contrastive learning)とCNR(Centroid norm regularizer)を提案する。
論文 参考訳（メタデータ） (2022-06-08T13:39:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。