Omni-Woodpecker：免训练纠正全模态大模型幻觉
原文标题：Omni-Woodpecker: Hallucination Correction via Evidence-Prior Rebalancing for Omni LLMs
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对全模态大模型（OLLM）的跨模态幻觉，研究者提出免训练框架 Omni-Woodpecker，通过正交分解分离真实证据与先验偏见，并在解码前重新平衡融合表示。以 Qwen2.5-Omni-7B 为骨干，在 CMM 与 AVHBench 上分别提升 12.9 与 8.6 分，并可泛化到 VideoLLaMA2-AV。
深读 · 结论先行AI 生成展开看要点与影响 ↓
免训练框架Omni-Woodpecker在Qwen2.5-Omni-7B上CMM提升12.9分、AVHBench提升8.6分
- •不改训练，把幻觉缓解从输出层操作转为解码前的融合表示重平衡
- •先用互补的单模态视角识别跨模态冲突，再用正交分解分离真实证据与先验偏见
- •以Qwen2.5-Omni-7B为骨干，CMM提升12.9分、AVHBench提升8.6分
- •四个通用OLLM推理基准上稳定提升0.67–2.25分
- •可泛化到VideoLLaMA2-AV，同两基准分别提升4.6与3.9分，代码已公开
为什么重要：免训练即可跨架构迁移，意味着已有全模态模型不必重训就能压低跨模态幻觉，对音视频理解产品的落地成本影响直接。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。