Omni-Woodpecker：面向全模态大模型（Omni LLMs）的证据-先验重平衡幻觉纠正框架

英文标题：Omni-Woodpecker: Hallucination Correction via Evidence-Prior Rebalancing for Omni LLMs

近期全模态大语言模型（Omni LLMs）在音视频联合推理中展现出优异能力，但跨模态幻觉仍是制约其实用性的核心挑战。现有缓解方案多在输出层面进行后处理，忽视了模型内部多模态证据与先验知识的纠缠问题。Omni-Woodpecker 提出通过重平衡输入证据与内在先验来纠正幻觉，为多模态推理的可信度优化提供了全新思路。该方法有助于开发者构建更鲁棒的端到端全模态应用，推动音视频联合理解技术在实际场景中的可靠落地。

2.0 KB 612 B 380 B 9.1 KB 18.2 KB 22.8 KB 24.2 KB 34.7 KB