arXiv · 机器人与计算机视觉· Moises Andrade, Joonhyuk Cha, Brandon Ho, Vriksha Srihari, Karmesh Yadav, Zsolt Kira·· 6 天前精选AI 评分82
两步思考:利用自 grounding 验证缓解 MLLM 一致性偏差
Let's Think in Two Steps: Mitigating Agreement Bias in MLLMs with Self-Grounded Verification
AI 导读
论文评估了跨 13 个模型和 28 种设计的 MLLM 验证器,发现其存在严重的‘一致性偏差’(过度认可代理行为)。作者提出 SGV 方法,通过先生成行为先验再基于此进行推理判断,显著提升了失败检测率和准确率。
推荐理由
提出 SGV 方法缓解 MLLM 验证器的一致性偏差,在 OSWorld 等任务中提升完成率达 20pp。
来源:arXiv · 机器人与计算机视觉 · arxiv.org