VIGOR：免训练缓解多模态扩散模型幻觉
热点事件持续更新
VIGOR：免训练缓解多模态扩散模型幻觉
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Junzhe Chen等研究者提出免训练、即插即用的推理策略VIGOR，用于缓解多模态离散扩散模型的幻觉。该方法通过对比原始图像条件与视觉消融两次前向的置信度，重排掩码位置的还原顺序，优先处理更依赖图像证据的位置。研究称，在LLaDA-V和Lumina-DiMOO上，VIGOR一致降低幻觉并提升多模态推理表现，代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
VIGOR：用视觉增益排序缓解多模态离散扩散模型幻觉报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AIVIGOR：用视觉增益排序缓解多模态离散扩散模型幻觉
研究者提出免训练、即插即用的推理策略 VIGOR（Visual Gain Ordering，视觉增益排序），通过对比原始图像条件与视觉消融两次前向的置信度，重排掩码位置的还原顺序，优先处理更依赖图像证据的位置。在 LLaDA-V 和 Lumina-DiMOO 上，VIGOR 一致降低幻觉并提升多模态推理表现，代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。