OmniConfess：免训练缓解全模态大模型幻觉
先了解这件事
2026年10月5日，arXiv cs.CL 刊出 OmniConfess 研究，提出一种免训练的全模态大模型幻觉缓解方法：在受控的通道级证据干预下按 token 重新打分，生成逐 token、逐通道的“自白”，以揭示回答对证据的依赖。团队同时构建评估基准 OmniHalluBench，含 3,540 个样本，覆盖文本、图像、音频、视频及判断与自由生成任务，实验显示其在多种模态与任务设置下均能缓解幻觉，代码与基准已公开。2026年10月6日，AGI Hunt 的报道补充了方法细节：它固定候选回复，在通道级受控证据干预下以 token 分辨率重新打分，产出“token-通道忏悔”，据此保留有证据支撑的内容、纠正被无关或矛盾证据驱动的回答；基准覆盖文本、图像、音频、视频六大数据集，在异构模态和任务下均能缓解幻觉。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntOmniConfess 免训练缓解全模态幻觉，附 3,540 例新基准
OmniConfess 以免训练方式缓解全模态大模型幻觉，并开源 3,540 例 OmniHalluBench 基准与代码。它固定候选回复，在通道级受控证据干预下以 token 分辨率重新打分，产出「token-通道忏悔」，据此保留有证据支撑的内容、纠正被无关或矛盾证据驱动的承诺。基准覆盖文本、图像、音频、视频六大数据集及判断与自由生成任务，在异构模态和任务下均能缓解幻觉。
- arXiv cs.CLOmniConfess：以 token 级"自白"缓解全模态幻觉
OmniConfess 是一种免训练的全模态幻觉缓解方法，在受控的通道级证据干预下按 token 重新打分，生成逐 token、逐通道的自白以揭示回答的证据依赖。为评估该方法，研究构建了 OmniHalluBench，这一含 3,540 个样本的基准覆盖文本、图像、音频、视频及判断与自由生成任务。实验显示其在多种模态与任务设置下缓解幻觉，代码与基准已公开。
本事件热度走势
当前热度 13·可比范围峰值 13（10月6日 17:00）·近 24 小时可比范围变化 –
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。