**OmniConfess:通过令牌级证据归因缓解全模态幻觉** _OmniConfess: Eliciting Token Confessions to M
原帖
**OmniConfess:通过令牌级证据归因缓解全模态幻觉**
_OmniConfess: Eliciting Token Confessions to Mitigate Omni-Modal Hallucination_
> HuggingFace 社区热门论文 OmniConfess 提出了一种无需训练的方法,旨在缓解全模态大语言模型(OmniLLMs)的幻觉问题。该方法通过固定候选响应并在受控的通道级证据干预下重新评分,生成结构化的“令牌-通道”证据依赖报告(Confession)。基于此报告,模型可保留有依据的内容并修正由无关或矛盾证据驱动的承诺。研究团队还构建了包含 3,540 个样本的 OmniHalluBench 基准,实验表明该方法在多种模态和任务设置下均能有效降低幻觉率。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-06 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.02999)