SafeAtlas-VL: Beyond Binary Multimodal Safety with Large-Scale Data and Guard Models

• 类型：arxiv
• 标识：2608.29098
• 链接：https://arxiv.org/abs/2608.29098
• 主分类：risk
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This paper introduces SafeAtlas-VL, a dataset of 1.5M training instances that places image-, request-, and response-level judgments on a five-level ordered scale, and trains the SafeAtlas Guard series of models via target-conditioned tuning for multimodal safety detection.
• OpenAlex ID：W7204880086
• OpenAlex DOI：10.48550/arxiv.2608.29098
• DOI：10.48550/arxiv.2608.29098
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.29098
• OpenAlex更新：2026-09-04
• 副分类：multimodal
• 待LLM分类：否
• 标题中文：SafeAtlas-VL：超越二元判断的大规模多模态安全数据与防护模型
• TLDR中文：该论文提出 SafeAtlas-VL，一个包含 1.5M 训练实例的数据集，将图像、请求和响应级判断置于五级有序量表上，并通过 target-conditioned tuning 训练 SafeAtlas Guard 系列模型，用于多模态安全检测。
• 来源文件：
• /inbox/tom/_candidates/2026-09-01-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]