MLLM Safety

這篇論文最有價值的地方，不只是證明多模態 backdoor 可以打得很成功，而是把問題往前推到 mechanistic level：作者發現就算只 fine-tune projector，也足以把拒答、惡意注入、感知劫持與越獄行為種進 MLLM，真正的關鍵不是顯眼的 trigger neuron，而是 projector 低秩子空間裡的 backdoor 參數與一條把表示往危險語意推的 universal drift vector。