品牌即记忆：视觉语言模型编码新闻来源的因果、机械本地化可信度先验

视觉语言模型 (VLM) 越来越多地以图像形式读取新闻和网络内容，其中发布者的身份以视觉方式呈现。我们证明 VLM 具有以渠道身份为关键的强大来源可信度先验，并沿着三个轴对其进行研究。 (i) 跨模型基准。我们引入了 CueTrust，这是一种跨模型诊断，可通过源覆盖索引 (SOI) 来衡量哪个表面源线索覆盖了文章的内容证据。在七个 VLM 和五个提示中，漏洞配置文件与模型和规模相关，并且覆盖是特定于出口身份且编码不变的，从报头名称、徽标图像或裸域触发，但不是从指定作者、文本内权威或页面布局（干净的负面控制）触发。 (ii) 机械账户。对于品牌线索，我们给出了一个完整的机械解释：仅交换标头可以在大约 11 个对数赔率范围内移动可信度，该范围跟踪专业收视率（通过媒体偏见/事实检查，rho = 0.88）。先验是双重编码的（名称和徽标），随着规模的增强，在第 19-21 层因果形成，由可解释的种子稳定稀疏自动编码器特征携带，并在第二个模型系列中的相同相对位置重复出现。它会覆盖内容（约 1.8 倍）作为共享路径内的信号幅度效应，而不是特权路径。控制局部方向有选择地减少覆盖（减少 41%）并推广到保留的出口，确认先验是因果使用的，而不仅仅是可解码的。因此，部署的 VLM 可能会遵循源身份而不是面前的证据，这是我们可以跨模型衡量、本地化和因果探究的可靠性故障。我们发布了刺激套件和 CueTrust。