跳到正文
arXiv · 机器人与计算机视觉· Jiaqi Deng, Zhe Fu, Yakun Chen, Dichang Zhang, Zonghan Wu, Xiaoshui Huang, Huan Huo, Guandong Xu·· 14 天前AI 评分70

基于熵图的视觉重对齐解码:捕捉多模态推理的节奏

Entropogram-guided Visual Realignment Decoding: Capturing the Rhythm of Multimodal Reasoning

AI 导读

针对多模态大语言模型长链推理中的幻觉问题,作者从推理生成动力学角度提出熵感知自我反思框架。该方法持续追踪解码过程中的熵动态,识别高置信度过早收敛或局部熵突变等幻觉特征,并在检测到可疑状态时执行视觉重对齐以重新审视关键视觉证据。实验在六个基准的九个评估设置中验证了其在推理准确性和抗幻觉鲁棒性上的提升。代码已开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org