研究提出 ARP-CD：免训练缓解视频大模型幻觉
论文AI 评分 66/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇投稿于 arXiv 的论文提出 ARP-CD，一种免训练框架，用于在表示空间直接构造对比解码所需的负样本。该方法利用答案预测位置上分配给视觉 token 的注意力质量，引导对语言模型输入视觉隐状态做有界梯度更新，从而降低视觉注意力并生成负输入，再与原始分支的预测在生成全程做对比。作者在四个视频大模型和四个基准上测试，称 ARP-CD 在多数模型—基准组合中优于代表性的免训练基线，在减少幻觉的同时改善通用视频理解。分析显示，注意力引导的扰动方向提升了负样本质量，这些负样本能作为有效的对比参考来纠正原始预测。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载实验与结论
论文提出的 ARP-CD 全称为 Attention-guided Representation Perturbation for Contrastive Decoding，是一个免训练框架，直接在表示空间构造对比负样本。具体做法是：取答案预测位置上分配给视觉 token 的注意力质量，用它来引导对语言模型输入视觉隐状态做有界梯度更新。更新后的状态视觉注意力被压低，形成负输入，其预测在整段生成过程中与原始分支的预测做对比。
实验与结论
作者在四个视频大模型和四个基准上做了实验，结果显示 ARP-CD 在多数模型—基准组合中超过代表性的免训练基线，既减少幻觉，也提升通用视频理解。进一步分析指出，注意力引导的扰动方向能改善负样本质量，而这些负样本为纠正原始预测提供了有效的对比参考。论文提交于 2026 年 10 月 14 日，编号 arXiv:2610.19728，归类于计算机视觉与模式识别，同时涉及人工智能与计算语言方向。
为什么值得看
免训练、可直接套用到现有视频大模型，关注多模态幻觉抑制的从业者可看其负样本构造思路。
大模型幻觉论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。