arXiv · cs.AI· Yu Mi, Licheng Pan, Jiayi Zhu, Qirui Liu, Yitong Qiao, Changtong Xu, Tao Wei, Fei Sun, Zhixuan Chu, Kui Ren·· 11 小时前
CaRe通过模态纠偏缓解全模态大模型跨模态幻觉
Mitigating Cross-Modal Hallucinations by Correcting Modality Misrouting in Omnimodal LLMs
arXiv:2610.18141v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yu Mi, Licheng Pan, Jiayi Zhu, Qirui Liu, Yitong Qiao, Changtong Xu, Tao Wei, Fei Sun, Zhixuan Chu, Kui Ren
研究任务与主要进展
论文提出CaRe，一种无需训练、在推理阶段识别并纠正全模态大模型模态误路由的方法。该方法利用文本模态探针寻找候选单模态分支，在其预测与联合预测冲突时，依据反事实分支置信度用表示残差引导原始多模态状态，同时保留视听双模态路径；基于论文摘要，在两个全模态大模型及CMM、AVHBench上，CaRe均优于所评估的推理阶段幻觉缓解基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org