新的维纳滤波技术可减少视觉语言模型中的幻觉

研究人员开发了一种名为维纳表示滤波（Wiener Representation Filtering）的新颖技术，以减少视觉语言模型（VLMs）中的幻觉。这种无需训练的方法在事后通过编辑语言主干的表示空间来运行。通过将隐藏状态建模为真实和幻觉成分的组合，该技术推导出一个维纳型估计器，可以减弱与幻觉相关的模式。该方法应用于 LLaVA-1.5、MiniGPT-4、Gemma3 和 mPLUG-Owl2 等模型，在 CHAIR、POPE 和 MME 等基准测试中一致地降低了对象幻觉，同时不影响字幕流畅性或响应质量。该方法在视频理解和离散扩散语言模型方面也显示出前景。 AI

影响 这项技术可以通过减少虚假信息的出现，从而实现更可靠、更值得信赖的视觉语言模型。

排序理由 该项目是一篇学术论文，详细介绍了一种提高 AI 模型性能的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Discrete Diffusion Language Models
• gemma3
• LLaVA-1.5
• MiniGPT-4
• mPLUG-Owl2
• POPE
• TempCompass
• vision-language model
• Wiener Representation Filtering

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →