已收录文章摘要，完整内容可前往原文阅读。
新智元报道 视觉语言模型已经进入办公助手、内容审核、机器人和智能终端等场景。它们面对的任务不再只是读一段文字，而是同时理解图片、文字以及两者之间的关系。因此，模型的安全边界也不再是「这句话是否危