摘要
多模态大语言模型在交互场景中常受“幻觉滚雪球”效应困扰，即初始错误随对话轮次放大，导致连贯性崩溃。现有基准多限于单轮任务，无法捕捉长程交互中的误差传播。本文提出首个细粒度诊断基准 MM-Snowball，揭示现有缓解方法的不足。为此，作者提出无需训练的冲突感知视觉校正（CAVR）方法，通过在表示层刷新视觉 grounding 并在 logit 层校正输出分布，有效将模型重新锚定于视觉事实，显著提升了交互可靠性。
AI 推荐理由
论文核心解决多轮对话中因过度依赖污染文本历史导致的幻觉累积，涉及记忆管理机制。
研究机构
1
2,3
5
2
1,4
论文信息