在视觉个性化任务中，模型可能检索到正确的记录，却将其错误地应用到不对应的视觉主体上。为此我们提出 记录授权 的概念，要求同时满足三条条件：主体存在 ($P$)、记录‑边缘有效性 ($E$) 和答案支持 ($S$)。若任意条件不满足，则出现 视觉记忆错误绑定（VMM）。
我们构建了 RecordAuth‑Diag，一个包含 3,690 条匹配案例的诊断套件。每条案例仅改变一张图像‑记录边缘，而保持查询、问题、记录文本以及图像集合不变。通过卡片移除和随机标签重新标记实验，发现这些错误主要归因于提供的记录本身。
在原始模型上，Qwen、Phi、Gemma 系列均出现未授权使用的情况。例如 Gemma‑3‑4B‑IT 在本地未授权使用率达 63.69%，而干净召回率仅为 25.75%。CoViP 的未授权使用率为 26.02%，其 Qwen 骨干在相似召回率下为 22.49%。
引入 类型化预生成授权 后，Qwen 在 RecordAuth‑Diag 上的卡片曝光率从 43.63% 降至 3.06%，正向召回率从 86.26% 降至 60.90%。完整的 $P\wedge E\wedge S$ 验证使用了 560 条本地化 DAVIS 案例：Top‑1 相关性和类型化授权的释放率分别为 28.93% 与 28.39%，但不安全释放率分别为 6.79% 与 0.89%。在额外去除的 33 条不安全案例中，27 条属于支持错误，4 条边缘错误，2 条干净错误，0 条边界错误。由此可见，观察到的提升主要来源于 $E\wedge S$ 决策，且以支持错误为主，而非单纯的边缘检查。
外观信息只能在主体存在 ($P$) 的前提下提供 $E$ 证据；通过对主体令牌进行认证，可补足缺失的存在见证，从而实现充分的控制。
点评：本文系统化地定义了记录授权条件，并通过大规模诊断套件量化了多模态模型的未授权使用风险。实验表明，类型化授权显著降低了卡片泄露，同时保持了合理的召回性能，为安全的视觉个性化提供了可操作的框架。