跳到正文
热点事件观察中

VEPO:用视觉证据引导偏好优化缓解多语言幻觉

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Chengpeng Fu 等作者提出训练时方法 VEPO,通过把英语中可靠的视觉 grounding 迁移到其他语言,缓解大型视觉语言模型(LVLM)在低资源语言下的物体幻觉,且无需外部模型。 该方法先用英语查询经中间层跨模态注意力定位关键视觉证据,再构造答案相同但证据充分性不同的偏好对(完整图像与关键区域遮挡图像),据此做直接偏好优化。作者称,在中文、法语、印地语的多语言 POPE 和 MME 评测上,VEPO 均降低幻觉并提升感知,最低资源语言的提升最大。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.CL
    VEPO:用视觉证据引导的偏好优化缓解 LVLM 多语言幻觉

    VEPO 是一种训练时方法,通过将英语中可靠的视觉 grounding 迁移到其他语言,缓解 LVLM 在低资源语言下的物体幻觉,且无需外部模型。它先用英语查询经中间层跨模态注意力定位关键视觉证据,再构造答案相同但证据充分性不同的偏好对(完整图像 vs 关键区域遮挡图像)做直接偏好优化。在中文、法语、印地语的多语言 POPE 和 MME 上均降低幻觉并提升感知,最低资源语言提升最大。

本事件热度走势

可比范围当前
3
可比范围峰值
811月16日 22:00
近 24 小时变化
-51%

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。