OmniConfess免训练缓解全模态幻觉,附3,540例新基准
Huiqiang Rong · hf · 2026-10-06
Huiqiang Rong 等提出 OmniConfess,一种免训练的全模态大模型幻觉缓解方法:
- 核心思路:幻觉源于生成依赖了错误证据。方法固定候选回复,在通道级受控证据干预下以 token 分辨率重新打分,产出结构化的「token-通道忏悔」(confession),揭示回复对各类证据的依赖。
- 应用方式:利用这份忏悔保留有证据支撑的内容,纠正由无关或矛盾证据驱动的承诺。
- 评测:构建 3,540 例的 OmniHalluBench 基准,覆盖文本、图像、音频、视频六大数据集,兼含判断与自由生成任务;实验显示 OmniConfess 在异构模态与任务设置下均能缓解幻觉。代码与基准已开源。
「研究」频道最新
- 处理边界慢轨道:子采样+外推修正,保证 Mandelbrot 面积估计无偏 — geoffreyirving · 2026-10-06
- 与 2025 年 Hsing Lo 估计差 6.5e-9,作者复现检验后判断为涨落所致 — geoffreyirving · 2026-10-06
- Claude 分析+优化 CUDA 算出 Mandelbrot 集面积,精度较 2012 年纪录提升 60 倍 — geoffreyirving · 2026-10-06
- 群体进化智能体 GEA：以群体而非单个 agent 为进化单元的新范式 — xwang_lk · 2026-10-06
- COLM 论文 SLIM:面向长程任务的智能体搜索框架 — xiye_nlp · 2026-10-06
- 光遗传学诺奖之争:被遗忘的真正发明人潘卓华 — _onionesque · 2026-10-06