Vis-Poison：污染多模态检索增强生成中的视觉知识

英文标题：Vis-Poison: Poisoning Visual Knowledge in Multimodal Retrieval-Augmented Generation

论文提出 Vis-Poison，关注多模态检索增强生成（RAG）系统中的视觉知识投毒风险。摘要指出，随着多模态 RAG 日益将图像作为外部知识来源，被投毒的视觉证据可能严重损害多模态大语言模型（MLLM）的生成结果。该研究表明，开发者和行业在构建图像检索与生成链路时，需要关注视觉证据的可信度、数据来源安全与投毒防护。原始摘要内容在所提供文本中不完整，未包含具体实验数据和完整结论。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB