arXiv发布ARP-CD缓解视频幻觉
发生了什么
据arXiv cs.CL论文，研究提出无训练框架ARP-CD，通过注意力引导表示扰动构建对比负样本。该方法利用答案预测位置对视觉token的注意力质量，指导语言模型输入视觉隐藏状态的有界梯度更新，从而减少视觉注意力并生成负输入。在四个Video LLM和四个基准上的实验表明，ARP-CD在多数设置下优于代表性基线，有效减少幻觉并提升通用视频理解能力。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口