“当视觉信息超越认知：视觉优势与基于延迟的方法在虚拟物流管理中的个性化安全应用”

针对视觉语言模型（VLMs）在高风险场景下因缺乏用户上下文而难以实现个性化安全的挑战，研究团队构建了包含 5,181 个场景的 MPS-Bench 基准进行评估。测试发现八款前沿 VLM 几乎总是直接响应而非寻求缺失信息，且个性化安全评分均未超过 2.6/5。分析表明视觉主导现象导致视觉信息早期抑制文本风险信号，因果干预揭示了两阶段机制使晚期内部修复不可靠。为此，研究团队提出了 PRISM 轻量级输入监控器，利用双向跨模态调制预测何时需推迟响应，其 AUC 达 0.978 并严格优于所有测试模型的安全 - 效用帕累托前沿。