跳到正文
热点事件持续更新

SGTD 框架通过引导三元解码缓解多模态对话幻觉

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Yiheng Li 等人发布预印本,提出无需训练的 SGTD 框架以缓解视觉语言模型(LVLMs)的多模态对话幻觉。该框架利用历史答案的视觉支持与目标注意力干预来抑制误导信息,并在 MMHalSnowball 和 VisDiaHalBench 基准上验证了其在存在幻觉历史记录下的最高准确率及事实上下文保留能力。作者称该方法适用于各类代表性 LVLMs,代码与权重开放许可待确认。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    SGTD 框架通过支持引导三元解码缓解 LVLMs 多模态对话幻觉

    SGTD 是一种无需训练的框架,利用历史答案视觉支持与目标注意力干预抑制误导信息。在 MMHalSnowball 和 VisDiaHalBench 基准上,该方法在存在幻觉的历史记录下实现了最高准确率,同时保留了事实上下文优势。该预印本适用于各类代表性视觉语言模型(LVLMs),代码与权重开放许可待确认。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。