Zhengfeng Zheng, Minghong Fang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.27473 · open-access PDF
Text-zu-Bild-Modelle können visuelle Konzepte generieren, die ihre Anrufe niemals erwähnen, und die jüngste Arbeit zeigt, dass solche Assoziationen implantiert werden können, so dass gewöhnliche Anrufe sie auslösen. Das Auditieren dieses Verhaltens erfordert die Wiederherstellung der Beschreibung, die eine Anrufe auslässt. Bestehende Anrufeoptimierer sind für diese Aufgabe nicht gut geeignet. Gradientbasierte Methoden erfordern rückwärtszugriff auf den Scoring-Encoder. Diskrete evolutionäre Suche behandelt semantisch unbezogene Token als ebenso nahe.
Machine translation (Meta M2M100); the English original follows.
Text-to-image models can generate visual concepts that their prompts never mention, and recent work shows that such associations can be implanted so that ordinary prompts trigger them. Auditing this behavior requires recovering the description that a prompt omits. Existing prompt optimizers are not well suited to this task. Gradient-based methods require backward access to the scoring encoder. Discrete evolutionary search treats semantically unrelated tokens as equally close. Language-model-guided search requires one inference call per candidate, which limits exploration. This paper presents E
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.27473, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange