视觉干扰削弱了视觉 - 语言模型中的道德推理

道德推理是安全人工智能的基础，但随着 AI 从文本助手演变为具身智能体，确保跨模态一致性至关重要。现有安全技术虽在文本语境中有效，但在视觉输入泛化上存在隐患。本文指出，视觉输入从根本上改变了最先进视觉 - 语言模型（VLM）的道德决策，绕过了基于文本的安全机制。通过引入基于道德基础理论的多模态基准 MDS，研究发现视觉模态激活了类似直觉的路径，覆盖了文本语境中更审慎、安全的推理模式。这揭示了语言调优的安全过滤器无法约束视觉处理的脆弱性，凸显了多模态安全对齐的紧迫性。