BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

Exploring Visual Contrastive Decoding to Mitigate Hallucination Issues in Large Vision-Language Models

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究探讨了大型视觉语言模型（LVLMs）在生成与视觉内容相关的响应时的幻觉问题。提出了一种通过改变视觉输入信息进行视觉对比解码的方法，并结合图像降采样和编辑，验证了其在不同基准上的有效性。

🏷️

标签

models 图像编辑 图像降采样 幻觉问题 视觉对比解码 视觉语言模型
➡️

继续阅读

  1. 蚂蚁 inclusionAI 开源 6B 统一图像生成与编辑模型 LLaDA-Image
    蚂蚁集团开源统一图像生成与编辑模型LLaDA-Image，含6B参数，提供Base和Turbo两版本，支持文生图、编辑及中英文渲染。Turbo采用蒸馏技术...
  2. SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
    商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
  3. DeepSeek-V4 模型结构（7）：结构决定系统
    DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
  4. DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
    DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
  5. Kimi K3 模型结构（8）：训练并行，一步训练里谁在等谁
    本文介绍Kimi K3模型预训练的并行系统设计，聚焦MoE层expert并行。核心是MoonEP方案：每个rank预留E/R个冗余expert槽位，确保任...
  6. DeepSeek-V4 模型结构（5）：宽度维度，DeepSeekMoE 的四个改动
    本文介绍DeepSeek-V4模型结构中MoE层的四处改动：路由打分从sigmoid改为sqrt(softplus)以消除饱和；前三层用固定hash ro...
👤 个人中心
在公众号发送验证码完成验证