safety-awareness

교차 모달 안전 드리프트를 위한 전이 안전 인식 교차 모달 안전 드리프트에서의 전이 안전 인식 EMNLP 2026 Findings의 공식 구현입니다. 이 저장소는 Qwen3-VL 안전 인식 방향 파이프라인을 포함합니다. 유해 및 무해한 멀티모달 예시에서 거부 관련 활성화 방향을 추출하고, 양성 작업 드리프트를 제한하면서 거부 동작을 개선하는 방향을 선택하며, 선택적으로 방향별 안전 인식 벡터를 학습합니다. 현재 코드는 Hugging Face Transformers를 통해 Qwen/Qwen3-VL-8B-Instruct를 지원합니...