研究者修复偏好优化视觉语言模型的物体覆盖不足问题
热点事件持续更新
研究者修复偏好优化视觉语言模型的物体覆盖不足问题
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Hansang Lee 发布研究论文指出,对大视觉语言模型进行偏好优化(PO)虽减少了幻觉,却显著降低了物体命名数量。研究发现仅需调整序列结束概率即可复现大部分召回率增益,无需额外训练。作者随后提出一种基座引导的物体类别恢复方法,在不增加幻觉的前提下,将 PO 模型的召回率提升至接近基座模型水平。
AI 根据报道生成 · 10 小时前更新
最新进展11月18日 13:00
少说错得少?诊断并修复偏好优化视觉语言模型的物体覆盖不足报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉少说错得少?诊断并修复偏好优化视觉语言模型的物体覆盖不足
该研究发现偏好优化(PO)在降低大视觉语言模型物体幻觉的同时,也显著降低了物体命名数量。研究证明,通过调整序列结束概率即可复现大部分召回率增益,而无需训练。作者提出一种基座引导的物体类别恢复方法,在不增加幻觉的前提下将 PO 模型的召回率提升至接近基座模型水平。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。