能量最小化

一种可证明的能量引导测试时防御方法提升大型视觉语言模型的对抗鲁棒性

A Provable Energy-Guided Test-Time Defense Boosting Adversarial Robustness of Large Vision-Language Models

ET3 提供了一种无需训练、在推理阶段即可使用的防御手段：通过对输入样本做能量最小化的测试时变换来削弱对抗扰动，可直接套用到 CLIP 零样本分类以及 LVLM 的图像描述、VQA 等下游流程中，为视觉模型部署增加一层轻量防护。