IVE：用注意力历史缓解多模态关系幻觉

Boyang Gong 等人提出多模态大模型解码方法 Inertia-aware Visual Excitation（IVE），利用 token 级注意力历史动态重校准视觉值，以减少关系描述中的幻觉。 基于论文摘要，该方法在三种多模态大模型和多种解码策略上降低了关系幻觉，同时保持了更广泛的多模态性能。论文分析还发现，前一步视觉注意力被带入当前解码步越多，关系预测性能越持续恶化。具体实验规模和比较细节材料未说明。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。