arXiv · cs.AI· Zhixin Cai, Ruoqi Yuan, Xinchen Yang, Zhuofan Chen, Jun Bai, Chuantao Yin, Wenge Rong·· 4 小时前
ARP-CD通过注意力引导表征扰动缓解视频大语言模型幻觉
Mitigating Video Hallucinations via Attention-Guided Representation Perturbation
arXiv:2610.19728v1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：Zhixin Cai, Ruoqi Yuan, Xinchen Yang, Zhuofan Chen, Jun Bai, Chuantao Yin, Wenge Rong
研究任务与主要进展
研究提出无需训练的ARP-CD框架，通过依据答案预测位置的视觉注意力引导语言模型输入视觉隐藏状态的有界梯度更新，直接在表征空间构造对比式负输入。摘要称，该方法在四种视频大语言模型和四个基准的大多数模型—基准设置中优于代表性免训练基线，同时减少幻觉并提升视频理解；具体实验细节和限制未在材料中说明。
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