English(EN) Mitigating Video Hallucinations via Attention-Guided Representation Perturbation

新框架解决视频大语言模型幻觉问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员开发了一种名为“注意力引导的表示扰动用于对比解码”（ARP-CD）的无训练框架，以解决视频大语言模型（Video LLMs）中的幻觉问题。该方法通过使用分配给视觉标记的注意力质量来指导语言模型输入视觉隐藏状态的更新，直接在表示空间中构建对比负样本。在四个 Video LLMs 和四个基准上的实验表明，ARP-CD 有效地减少了幻觉并增强了通用视频理解能力，在大多数情况下优于现有的无训练基线。 AI

影响这项研究提供了一种提高 Video LLMs 可靠性和准确性的方法，有望带来更好的视频理解应用。

排序理由该集群描述了一篇关于视频大语言模型改进新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于视频大语言模型改进新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Zhixin Cai, Ruoqi Yuan, Xinchen Yang, Zhuofan Chen, Jun Bai, Chuantao Yin, Wenge Rong · 2026-10-15 04:00

通过注意力引导的表征扰动缓解视频幻觉

arXiv:2610.19728v1 Announce Type: cross Abstract: Video large language models (Video LLMs) often generate responses unsupported by the input video. Contrastive decoding (CD) can mitigate these hallucinations, but its effectiveness depends on how the negative branch weakens visual…

本文如何被排名

报道来源 [1]

通过注意力引导的表征扰动缓解视频幻觉

相关实体

相关话题