研究者提出免训练视频幻觉缓解框架ARP-CD

1. 12:00
   arXiv cs.CV

   ARP-CD：用注意力引导表征扰动缓解 Video LLM 幻觉

   研究者提出 ARP-CD，一种无需训练的对比解码框架，直接在表征空间构造对比负样本：利用答案预测位置分配给视觉 token 的注意力质量，引导语言模型输入视觉隐状态做有界梯度更新，降低视觉注意力并生成负样本，与原始分支的预测在生成全程对比。在四个 Video LLM 和四个 benchmark 上，ARP-CD 在多数模型—基准组合中优于代表性免训练基线，在减少幻觉的同时提升通用视频理解能力。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。