免训练框架ARP-CD缓解视频幻觉

Zhixin Cai 等作者提出免训练对比解码框架 ARP-CD，用于缓解视频大语言模型的幻觉。该框架不重新训练模型，而是在表征空间构造对比解码所需的负样本：按答案预测位置上视觉 token 的注意力占比，对语言模型输入的视觉隐状态做有界梯度更新，削弱视觉注意力后生成负输入，再与原始分支的预测对比。 上述方法由作者在论文中提出，其缓解幻觉的实际效果尚待验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。