HallusionBench
PulseAugur coverage of HallusionBench — every cluster mentioning HallusionBench across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
研究发现，视觉语言模型的推理链比答案熵提供更好的不确定性信号
一篇新研究论文探讨了视觉语言模型（VLM）中“思考链”量化不确定性的有效性。研究发现，虽然 Qwen3-VL-8B-Thinking 等一些模型表现出不确定性信号的完全崩溃，但 GLM-4.1V-9B-Thinking 等其他模型则没有出现这种退化。InternVL3-8B 表现出选择性思考，仅为部分查询生成思考链。研究表明，这些思考链的信号比答案熵更可靠地预测不确定性，尤其是在复杂的推理任务中。
-
新方法解决视频大模型中的幻觉问题
研究人员开发了几种新方法来解决视频大模型（VLMMs）中的幻觉问题。一种方法 MultiToP，通过选择性地用全局补丁标记替换不可靠的视觉标记来在语言生成之前对其进行精炼。另一种方法 ViSSRes，使用轻量级网络增强视频表示，以提高时空和语义一致性。第三种技术侧重于精炼文本嵌入，以鼓励更好地整合视觉信息并减少对语言先验的过度依赖。这些方法在减少幻觉率和提高各种基准测试中的视频理解能力方面显示出显著的改进。
-
Visual Para-Thinker 将并行推理引入多模态大语言模型
研究人员推出了一种新颖的多模态大语言模型（MLLMs）并行推理框架——Visual Para-Thinker。该方法将推理深度的垂直扩展转变为并行策略，以避免探索瓶颈。该框架结合了视觉分区、Pa-Attention 和 LPRoPE，以保持路径独立性和多样化推理，并基于 vLLM 框架构建了多模态实现以实现高效处理。
-
新理论通过选择最优控制器类别来指导LLM的行动决策
研究人员引入了“制度理论”（Regime Theory），以指导大型语言模型（LLM）如何为给定输入选择最佳行动。该理论根据数据可估计的瓶颈，将控制器分为四类：从简单的固定行动到复杂的先验门控控制器。该框架旨在通过考虑潜在的改进以及实例级信号的可靠性等因素来优化决策。在各种基准测试中的实验表明，预测的控制器类别与经验上的获胜者相匹配，其中先验门控控制器在TextVQA上表现最佳。