不知谈你有莫得发现，最近一两年，"问问 AI" 依然偷偷酿成了许多东谈主求证信息时的默许姿势。

在 推特（X）上刷到一张骇东谈主闻见的现场图，第一反映是 @Grok 让它坚韧真伪；小红书上看到一份帖子，不错径直 @问一问 ai 让它申报问题， 大略顺遂通达豆包或 Kimi 让 AI 评估博主推的产物到底靠不靠谱；淘宝、亚马逊页眼前逗留两个商品孰优孰劣，把图甩给 ChatGPT 要一份 "客不雅" 对比。

VLM（视觉话语模子），咱们曾合计它们仅仅 "会看图的聊天机器东谈主" 而即是在咱们没怎么属意的时期，它正在偷偷酿成了在线信息生态里的事实仲裁者。从酬酢平台的图片真伪核验、电商导购、内容审核，到反向图像搜索，一句 "AI 这样说" 在越来越多的语境里依然被默许为某种泰斗。

而恰是这份 "默许泰斗"，让来自 ETH Zurich 的 Florian Tramèr 团队在最新论文中抛出了一个出乎预感的问题：如若 AI"看到" 的图，根柢不是你肉眼看到的那张，会发生什么样的效力呢？

在 Laundering AI Authority with Adversarial Examples 一文中，作家系统性地解说了一件令东谈主不安的事：缺陷者只需对一张图片作念出东谈主眼难以察觉的眇小扰动，就能让咫尺最强的 VLM 对这张图自信、泰斗、且无理地作答，而这些申报看上去迷漫像是 AI 我方历程三想尔后行得出的论断。

他们把这种情势称作 AI 泰斗清洗（AI Authority Laundering）。

论文标题：Laundering AI Authority with Adversarial Examples

论文辘集: https://arxiv.org/abs/2605.04261

本文第一作家张杰为苏黎世联邦理工学院（ETH Zürich）SPY Lab 的参议东谈主员，师从 Florian Tramèr 西宾，主要参议主义为诳言语模子的安全与隐秘。

今天咱们需要惦念回击样本吗？

回击样本 (adversarial example) 其实不是新认识，把熊猫认成长臂猿、把猫认成牛油果酱，这种 "教科书梗" 依然被演示了十多年，但一直被视作 "学术上真谛、工程上无关迫切" 的参议问题。内容生计中， 莫得东谈主关怀模子把熊猫无理分类为长臂猿！

这篇论文要作念的， 恰是为阿谁悬了十年的 so what 补上谜底：当 VLM 被等闲利用于各个规模、并迟缓成为东谈主们信托的泰斗信息起原时，这种缺陷竟不错白衣苍狗，成为一种低资本、可大规模施行的执行挟制。

那读者可能要问，缺陷者具体不错作念哪些赖事呢？这篇论文里系统边幅了多种场景， 比如不实信息传播， 个东谈主名誉缺陷与身份操控， 内容审核遮蔽， 购物推选操控等等。 这里主要先容其中 3 个案例：

1. 放大不实信息：让 ChatGPT 替推测论 "盖印" 定调

上图中的果然考据中泄露，用户给出阿波罗号登月、911 缺陷、以及论文中还提到的特朗普被枪击， 肯尼迪刺杀， 原枪弹爆炸等等历史事件，滚球app 向 LLM 发问其果然性，ChatGPT， Claude 等模子会畸形自信地告诉用户：这张相片是伪造的！

2. 抹黑特定个东谈主：让 Grok 把 Musk 钉在贩毒 / 归天的新闻上

作家把一篇报谈某东谈主因贩毒被捕的新闻截图整页扰动为马斯克的图像 embedding。当 Grok 4.2 被问 "著述里说的是谁" 时，Grok 4.2 径直报出 Elon Musk 的名字。参议者又换了一篇 NYT 对于韩国演员 Ahn Sung-ki 归天的报谈，即便著述标题就径直写着本名，Grok 4.2、Qwen 3.6 Plus、Gemini 3.1 Pro 依然每次王人把死者识别为 Elon Musk。

用户向 Grok 给出一张污名昭著的连环杀东谈主犯相片和马斯克的相片， 条件 Grok 生成 "让阿谁更有罪的东谈主被逮捕的画面" 时，Grok 则采取生成马斯克被有观看戴上手铐的图。

即便 chatgpt， grok， gemini 等具有联网搜索的才气， AI 搜图也王人会被误导。相通的扰动图径直传到 Google、Bing、Yandex 作念反向图像搜索，几大引擎王人把扰动版的 Donald Trump 图像识别为 Elon Musk。

3. 绕过内容审核：发布成东谈主内容

作家挑了 10 张被两家 NSFW 检测就业（NSFW Check、Nyckel）以 98%-99% 置信度判定为色情的图片，把它们的 embedding 拉向玩物娃娃和泰迪熊。接着请 ChatGPT 评估这些图是否相宜发到酬酢媒体，模子不仅说相宜，还夸它们 "互动后劲高"。

还有一个更细密的案例：Grok 在 2025 年因生成数百万张女性深度伪造碰到丑闻之后，X 加强了针对女性图像的脱衣过滤。作家发现，Grok 现在会禁受男性图像的脱衣央求，但拒却女性的。如若把女性图像扰动到男性图像的 embedding，那么 81% 的 “脱衣” 央求被通过，而 Grok 内容剪辑展示的照旧那张原始的女性图像。

最离奇的一幕

作家把合并张 AI 生成的女性图片，连同它的扰动版块（被拉向一张 AI 生成男性图片的 embedding），比肩摆在 Claude Opus 4.6 眼前，问 "这是合并个东谈主吗？"

Claude 坚定地申报：不是，左边是男性，右边是女性，这是两个不同的东谈主。此外， Grok 4.2 和 ChatGPT 5.4 Thinking 也给出了迷漫一致的申报。

结语

论文末尾留住一个让从业者发东谈主深省的判断：

不需要任何新缺陷算法。十多年前就依然存在的基础手艺，依然足以构资本文所边幅的一谈挟制。

作家用的并非什么秘而不宣的新黑科技，而是 2014 年起就被等闲参议的经典 PGD 回击样本圭表，加上对公开 CLIP 模子集成的转动缺陷。这些妙技早已是文件里的 "老配方"。 这意味着，论文求教的得手率应当被交融为缺陷者才气的下限，而非上限。

而当年几年里，悉数这个词机器学习社区对视觉回击鲁棒性的兴味其实在迟缓冷却。这篇论文给出了一个有劲的反例：当 VLM 被镶嵌到事实核查、内容审核、电商推选这些高信任度职责流时滚球(中国)app官网，回击样本就不再是学术 benchmark 上的少许点，而是一种实打实的、可部署的果然缺陷。