Doraemonblog

浙江游一、时间安排时间：2025.8.5 - 2025.8.9【周二 -> 周六】车程： 汉口 -> 杭州西 8.5 上午 9:36 杭州西 -> 汉口 8.9 下午 16:13 杭州站 -> 义乌站 8.8 上午 8:20 义乌站 -> 杭州站 8.9 上午 8:14 注意事项： 身份证 泡面、面包、保温杯 防晒装 雨伞 二、行程安排8.5 浙大杭州西 -> 浙大紫金港校区 晚上 浙大附近 8.6 飞来峰上午 紫金港 -> 浙大玉泉校区下午 玉泉 -> 灵隐寺(飞来峰) 8.7 西湖灵隐寺 -> 西湖断桥残雪 -> 白堤 -> 浙江博物馆(孤山) -> 坐船 -> 花港观鱼 -> 雷锋夕照 8.8 义乌杭州站【8:20】 -> 义乌站【10:16】 -> 义乌国际商城 -> 1970文创园 -> 韩国风情街 8.9 杭州义乌站【8:14】 -> 杭州站【9:52】 -> 杭州西【16：13】 ->...

1. 论文部分【AAAI 2025】FigStep: Jailbreaking Large Vision-Language Models via Typographic Visual Prompts 1.1 概述这篇文章是针对Large Vision-Language...

1. 论文部分【ACM MM 2025】Manipulating Multimodal Agents via Cross-Modal Prompt Injection本文针对多模态Agents提出一种跨模态提示词注入攻击，使得外部指令劫持agents在决策过程中执行未授权的任务。 本文提出CrossInject，一种新颖的攻击框架。该方法包含两个关键部分：视觉潜在对齐和文本引导增强。 1.研究背景是什么？ 视觉语言模型(VLM)的快速发展显著增强了多模态智能体的能力【VLM推动多模态Agents发展】 多模态Agents在虚拟助手、自动驾驶系统和实体智能体等领域应用广泛【现实世界应用广泛】 在单一模态中广泛研究，但是针对黑盒多模态的系统性攻击和跨模态交互的研究匮乏【文献空白】 与单模态系统不同，多模态代理整合了来自不同模态的语义丰富的输入，这些输入共同影响agents的决策过程 2.核心思想 视觉潜在对齐（Visual Latent...

项目树.├── pycache/ [目录]├── check_point/ [目录]├── dataset/ [目录]├── img/ [目录]├── model.py [Python文件]├── test.py [Python文件]├── train_optimized.py [Python文件]└── train.py ...

1.【ICLR 2025】《Adversarial Attacks on Multimodal Agents》1.1 攻击方法本文提出针对多模态Agent的对抗攻击，基于视觉的语言模型(VLM)l可以用于构建自主多模态Agent，尽管攻击者对环境的访问和认知有限，多模态Agent仍然存在新的安全风险。 研究者采用对抗性文本字符串，引导对环境中一幅触发图像进行基于梯度的扰动。本文提出两种攻击方式： captioner attack 如果白盒字幕器被用来将图像处理成字幕并作为 VLM 的额外输入，captioner attack就会攻击白盒字幕器。 理解下面三个问题，即可把握captioner...

一、下载安装Docker参考文档参考视频 二、网络环境配置镜像站 Docker Hub镜像配置教程 docker_installer Linux配置镜像站1sudo vi /etc/docker/daemon.json 1234567{ "registry-mirrors": [ "https://docker.m.daocloud.io", "https://docker.1panel.live", "https://hub.rat.dev" ]} 重启docker1sudo service docker restart 三、Docker常用命令1.镜像（Image）相关命令 操作 命令 搜索镜像 docker search nginx 拉取镜像 docker pull nginx 查看本地镜像 docker images 删除镜像 docker rmi nginx 或 docker rmi...