Yuvion VL：一种用于对抗性内容和AI安全的多模态基础模型
Yuvion VL是一系列专为内容和AI安全设计的多模态大语言模型，通过将安全性视为对抗性和多模态问题，构建了围绕对抗鲁棒性的完整管道。其数据构建采用自动化对抗感知合成与多阶段质量控制；训练采用三阶段流程，包括风险概念跨模态对齐的继续预训练、生产级安全任务的指令后训练以及增强可解释性的推理后训练。创新性地引入困惑-对比微调框架，通过挖掘模型特定困惑并构建多图像对比组，强制区分细粒度视觉语义元素。同时推出YVRE基准集，包含多样化的安全评估。实验表明Yuvion VL-32B在安全性能上领先于同类开源和闭源模型，同时保持通用能力。
Yuvion VL是由Shikai Qiu等54位研究者提出的多模态基础模型系列，专注于内容安全和AI安全领域。通用模型在识别和理解现实世界中的多模态风险方面常显不足，这主要源于内容与AI安全固有的多模态对抗性质。Yuvion VL通过将安全视为本质上的对抗性和多模态问题，并围绕对抗鲁棒性设计完整管道，从而填补了这一空白。
在数据构建方面，团队开发了自动化管道，集成对抗感知数据合成与多阶段质量控制，生成了大规模、高质量的多模态样本，并增强了领域知识和推理注释。数据构建管道包括对抗性样本生成、质量过滤和领域专家注释，确保训练数据的多样性和可靠性。
训练采用三阶段流程：首先是继续预训练，实现风险概念的跨模态对齐，使模型能够将文本风险知识迁移到视觉模态；其次是指令后训练，针对生产级安全任务，如有害内容检测、仇恨言论识别等；最后是推理后训练，提升复杂任务中的可解释性和性能，使模型能够提供详细的推理过程。此外，团队引入了困惑-对比微调（Confuse-then-Contrast Fine-Tuning），一种对比学习框架，通过挖掘模型特定困惑并构建多图像对比组，强制模型精确区分细粒度视觉语义元素，从而在对抗性安全任务中区分视觉相似但安全含义不同的案例。
为支持严格评估，研究者推出了Yuvion VL风险评估基准（YVRE），涵盖多种公开和内部评估，重点关注内容和AI安全、对抗鲁棒性及实际能力需求。YVRE包括标准安全基准和定制化的对抗性测试集，能够全面评估模型在真实世界场景下的表现。
实验结果显示，Yuvion VL-32B模型在安全性能上达到行业领先水平，超越了同等规模的开源模型（如LLaVA-1.6、Qwen-VL等）以及最佳的闭源商用模型（如GPT-4V、Claude-3等），同时保持了可比的通用能力。该研究已在arXiv发布（arXiv:2606.25034），相关代码和模型预计将开源。