Breaking the Illusion: When Positive Meets Negative in Multimodal Decoding

Um novo framework de inferência chamado Decodificação Positiva e Negativa (PND) foi introduzido para combater a alucinação de objetos em Modelos de Visão-Linguagem (VLMs). Ele amplifica evidências visuais e penaliza a geração dominada por priors linguísticos, resultando em desempenho de ponta sem retreinamento.