DEEPO：用于缓解 MLLM 幻觉的双熵增强策略优化

英文标题：DEEPO: Dual-Entropy Enhanced Policy Optimization for Hallucination in MLLMs

该论文提出 DEEPO（Dual-Entropy Enhanced Policy Optimization），旨在解决多模态大语言模型（MLLM）中的幻觉问题。论文指出，强化学习虽然常用于增强 MLLM 的推理能力，但其对降低幻觉的效果并不稳定。作者将这一问题归因于从奖励信号到参数更新的“纠正链”中存在两个薄弱环节，这为面向幻觉治理的 RL 优化方法设计提供了新的分析视角。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB