Junzhe Chen 等提出 VIGOR 缓解多模态扩散模型幻觉
热点事件观察中
Junzhe Chen 等提出 VIGOR 缓解多模态扩散模型幻觉
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Junzhe Chen 等研究者发布 VIGOR，一种 training-free、即插即用的推理策略，用于缓解多模态离散扩散语言模型（dLLM）的幻觉问题，论文已被 NeurIPS 2026 接收，代码已开源。 该方法针对团队所称的“过早承诺”问题：迭代去掩码过程中，一些位置因置信度更多来自语言先验而非视觉证据而被过早解码。VIGOR 通过对比原始图像条件与视觉消融两次推理的置信度，重新排序 mask 位置的解掩码顺序，优先解码视觉证据更强的 token。 据论文实验结果，在 LLaDA-V 和 Lumina-DiMOO 上，VIGOR 一致降低幻觉并提升多模态推理表现。
AI 根据报道生成 · 11 小时前更新
最新进展11月3日 23:28
VIGOR：面向多模态离散扩散语言模型的视觉增益排序幻觉缓解方法报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AIVIGOR：面向多模态离散扩散语言模型的视觉增益排序幻觉缓解方法
VIGOR 是一种 training-free、即插即用的推理策略，针对多模态离散扩散语言模型（dLLM）的幻觉问题，通过对比原始图像条件与视觉消融两次推理的置信度，重新排序 mask 位置的解掩码顺序，优先解码视觉证据更强的 token。在 LLaDA-V 和 Lumina-DiMOO 上的实验显示，VIGOR 一致降低幻觉并提升多模态推理表现，代码已开源，论文被 NeurIPS 2026 接收。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 511月5日 03:00
- 近 24 小时变化
- –
0246
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。