arXiv cs.AI· Gongli Xi, Kun Wang, Zeming Gao, Huahui Yi, Haolang Lu, Qianshan Wei, Ye Tian, Wendong Wang·· 13 小时前AI 评分38
ClueTracer：面向多模态推理的无训练幻觉抑制线索追踪方法
ClueTracer: Question-to-Vision Clue Tracing for Training-Free Hallucination Suppression in Multimodal Reasoning
AI 导读
ClueTracer 是一种无需训练、无需参数、与架构无关的插件，通过从问题出发追踪关键线索沿推理路径（问题→输出→视觉 token）的传播来定位任务相关图像区域，抑制多模态推理模型中的幻觉。
正文 · AI 翻译
摘要：大型多模态推理模型通过显式的长链推理来解决具有挑战性的视觉问题：它们从图像中收集视觉线索，并将线索解码为文本 token。然而，这种能力也增加了幻觉，即模型生成的内容并不受输入图像或问题的支持。为了理解这一失败模式，我们识别出了\emph{推理漂移}：在收集线索的过程中，模型过度关注与问题无关的实体，稀释了对任务相关线索的关注，并逐渐使推理轨迹与视觉 grounding 脱钩。因此，许多为非推理模型开发的推理时定位或干预方法，在推理场景下无法准确定位真正的线索。受这些发现的启发，我们引入了 ClueRecall，一个用于评估视觉线索检索的指标，并提出了 ClueTracer，一个无需训练、无需参数、与架构无关的幻觉抑制插件。ClueTracer 从问题出发，追踪关键线索如何沿模型的推理路径（问题 $\rightarrow$ 输出 $\rightarrow$ 视觉 token）传播，从而定位任务相关的 patch，同时抑制对无关区域的虚假注意力。值得注意的是，\textbf{在没有任何额外训练的情况下}，ClueTracer 在推理基准上将所有\textbf{推理}架构（包括 \texttt{R1-OneVision}、\texttt{Ocean-R1}、\texttt{MM-Eureka}、\emph{等}）提升了 $\mathbf{1.21\times}$
| 评论： | 27 页，12 张图，被 EMNLP 2026 接收（Oral） |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2602.02004 [cs.CV] |
| （或 arXiv:2602.02004v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.02004 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Gongli Xi [查看邮箱]
[v1]
2026 年 2 月 2 日星期一 12:03:56 UTC（4,102 KB）
[v2]
2026 年 10 月 28 日星期三 09:01:36 UTC（9,533 KB）
来源：arXiv cs.AI · arxiv.org