V-DEAL：将视频安全失校准诊断为理解与拒答耦合失败

V-DEAL研究发现，视频大语言模型面对有害视频与良性问题的组合时，攻击成功率反而高于配合明确有害问题的情况。作者测试六个Video LLM和三个公开基准，发现模型识别有害内容的准确率超过81%，但平均攻击成功率仍达48.33%；隐藏状态分析显示视觉理解触发的拒答倾向弱于文本理解。提示注入干预可使攻击成功率平均下降48.24个百分点。