DEEPO：双熵增强策略优化缓解多模态大模型幻觉
原文标题：DEEPO: Dual-Entropy Enhanced Policy Optimization for Hallucination in MLLMs
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。
论文针对多模态大模型强化学习后幻觉改善不均的问题，定位到奖励到参数更新纠正链的两个薄弱点。作者提出 DEEPO，结合信号方差正则化与梯度预处理：语义熵触发的专家前缀为高不确定查询注入有依据的续写，优势符号感知的 Renyi 预处理对抗 logit 饱和。在 VideoMMMU 上取得统计显著的提升，同时降低幻觉并保持准确率与训练稳定性。
- 问题
- 多模态大模型强化学习后幻觉改善不均，奖励到参数更新的纠正链存在两处薄弱点。
- 方法
- DEEPO 双阶段增强：语义熵触发专家前缀恢复优势方差，优势符号感知的 Renyi 预处理对抗 logit 饱和。
- 结果
- VideoMMMU 上提升 4.0 个点（95% CI [1.1, 6.9]），降低幻觉并保持准确率。
- 影响
- 做多模态 RL 后训练的团队可直接复用这套奖励与梯度修正，缓解高不确定查询上的幻觉。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。