arXiv提出MOTIVE框架提升VLM推理可靠性

发生了什么

据arXiv论文，研究团队提出MOTIVE（多视角自我验证）框架以解决视觉语言模型（VLMs）生成看似合理但错误答案的问题。该框架通过互补的验证视角评估候选答案，并学习正确性对齐的可靠性评分。在推理阶段，该评分决定直接返回可靠答案或触发基于历史的重新思考。实验显示，MOTIVE在多模态基准测试中持续优于现有的自我验证和自校正基线，提升了决策可靠性并减少了不必要的推理步骤。