BriefGPT - AI 论文速递
·
Improving the Trustworthiness of Multimodal Large Language Models by Decomposing and Leveraging Preferences from Expert Models
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了DecompGen框架，通过将多模态大型语言模型（MLLMs）的响应分解为原子验证任务，并利用专家模型进行评估，自动构建偏好数据集DGPref。实验结果表明，经过偏好学习的MLLMs在可信度上显著提升，验证了该方法的有效性。
🎯
关键要点
-
本研究提出了DecompGen框架，旨在提高多模态大型语言模型（MLLMs）的可信度。
-
DecompGen通过将MLLMs的响应分解为原子验证任务，并利用专家模型进行评估，自动构建偏好数据集DGPref。
-
实验结果表明，经过偏好学习的MLLMs在可信度上显著提升，验证了DecompGen方法的有效性。
➡️
