مدلهای بزرگ بینایی-زبانی (LVLMs) اغلب دچار توهم (Hallucination) میشوند و جزئیاتی را میسازند که در تصویر اصلی وجود ندارد. حالا محققان متد جدیدی به نام «BCEA» معرفی کردهاند که به جای پاسخهای حدسی یا سکوت مطلق، به مدل اجازه میدهد با اختصاص «بودجه پردازشی»، دوباره تصویر را بررسی، زوم یا بازبینی کند تا از صحت ادعای خود مطمئن شود. 🧐✨
این روش نه تنها دقت را بهشدت بالا میبرد، بلکه به مدل کمک میکند بداند چه زمانی برای تایید ادعایش نیاز به بررسی دقیقتر دارد. قدمی بزرگ برای واقعیتر شدن بینش ماشینها!
منبع: arXiv Computer Vision