safety-awareness

跨模态安全漂移的迁移安全意识 跨模态安全漂移中多模态大语言模型的迁移安全意识 （EMNLP 2026 Findings）的官方实现。 本仓库包含 Qwen3-VL 安全意识方向流水线。它从有害和无害多模态示例中提取与拒答相关的激活方向，选择能够改善拒答行为同时限制良性任务漂移的方向，并可选地训练一个方向特定的安全意识向量。 当前代码通过 Hugging Face Transformers 支持 Qwen/Qwen3-VL-8B-Instruct。 仓库结构 root@kitploit: . ├── artifacts/directions/ 预计算的选定方向及元数据 ├──...