何时重新思考：面向视觉-语言模型的多视角自我验证学习
英文标题：When to Rethink: Learning Multi-Perspective Self-Verification for Vision-Language Models
视觉-语言模型（VLM）在多模态推理中表现出色，但仍普遍存在生成“看似合理实则错误”答案的幻觉问题。本文提出了面向 VLM 的多视角自我验证方法，探讨模型应在何时启动重新思考，在不依赖外部工具或模型的前提下提升输出可靠性。该方案为减少多模态模型的逻辑推理偏差提供了有效途径，对提升多模态 Agent 在实际业务场景中的决策准确率具有重要参考意义。
打开原文相关 4 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
论文编号：arXiv:2610.07018v1
公告类型：最新发布 (new)
摘要
视觉-语言模型（VLM）在多模态推理中取得了出色的性能表现，但它们仍然容易生成看似合理却不正确的答案。自我验证（Self-verification）提供了一种实用的途径，能够在无需依赖外部支持的前提下提升回答的可靠性。
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×