VEPO:通过视觉证据引导的偏好优化减轻 LVLM 中的多语言幻觉
原文:VEPO: Mitigating Multilingual Hallucinations in LVLMs via Visual Evidence-guided Preference Optimization
大型视觉语言模型(LVLM)实现了强大的多模态性能,但它们仍然容易出现物体幻觉——生成语言流畅但视觉上缺乏根据的答案。这个问题在资源匮乏的语言中尤其严重,其中较弱的跨模态对齐导致模型更多地依赖于语言先验而不是图像证据。现有的补救措施要么需要成本
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。