北航团队提出免训练对比解码方法ARP-CD缓解视频LLM幻觉

Zhixin Cai等人在arXiv发布论文（材料未明确机构），提出无需训练的对比解码框架ARP-CD，通过依据答案预测位置的视觉注意力，引导对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，以缓解视频大语言模型的幻觉。 摘要称，在四个视频大语言模型和四个基准上，ARP-CD在大多数模型—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。

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。