כתבה
arXiv cs.CL ·
OmniConfess: חשיפת תגובות כדי להפחית הלקאות אומנימודליות
OmniConfess: Eliciting Token Confessions to Mitigate Omni-Modal Hallucination
OmniConfess היא שיטה חדשה להפחית הלקאות אומנימודליות במודלי שפה גדולים. היא חושפת את התגובות הסובייקטיביות של המודל ומאפשרת לו להתאים את התגובות שלו למצב. השיטה נבחנה במבחן של 3,540 דגמים שכללו שישה קבצי נתונים שונים.
תקציר מקורי באנגליתarXiv:2610.02999v1 Announce Type: new Abstract: Omni-modal large language models (OmniLLMs) unify text, images, audio, and video, yet hallucinate when generation relies on the wrong evidence. Existing inference-time methods can reduce hallucinations, but rarely reveal which evidence sustains a generated commitment. We introduce OmniConfess, a training-free method for mitigating omni-modal hallucinations. It fixes a candidate response and re-scores it at token resolution under controlled channel-wise evidence interventions, producing a structured token-by-channel confession that reveals the response's evidential dependence. OmniConfess uses this confession to preserve grounded content and correct commitments driven by irrelevant or contradictory evidence. To evaluate OmniConfess, we constru
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית