MLLM può vedere? Decodifica di Correzione Dinamica per la Mitigazione dell'Allucinazione

MLLM can see? Dynamic Correction Decoding for Hallucination Mitigation

October 15, 2024

Autori: Chenxi Wang, Xiang Chen, Ningyu Zhang, Bozhong Tian, Haoming Xu, Shumin Deng, Huajun Chen

cs.AI

Abstract

I Modelli Linguistici Multimodali di Grandi Dimensioni (MLLMs) mostrano frequentemente fenomeni di allucinazione, ma le ragioni sottostanti rimangono poco comprese. In questo articolo, presentiamo un'analisi empirica e scopriamo che, sebbene i MLLMs generino in modo errato gli oggetti nell'output finale, sono effettivamente in grado di riconoscere gli oggetti visivi nei livelli precedenti. Speculiamo che ciò possa essere dovuto ai forti priori di conoscenza del modello linguistico che sopprimono le informazioni visive, portando alle allucinazioni. Motivati da ciò, proponiamo un nuovo metodo di decodifica correttiva dinamica per i MLLMs (DeCo), che seleziona in modo adattivo i livelli precedenti appropriati e integra proporzionalmente la conoscenza nell'ultimo livello per regolare i logit di output. Si noti che DeCo è indipendente dal modello e può essere incorporato senza problemi con varie strategie di decodifica classiche e applicato a diversi MLLMs. Valutiamo DeCo su benchmark ampiamente utilizzati, dimostrando che può ridurre notevolmente i tassi di allucinazione rispetto alle baselines, evidenziando il suo potenziale nel mitigare le allucinazioni. Il codice è disponibile su https://github.com/zjunlp/DeCo.

English

Multimodal Large Language Models (MLLMs) frequently exhibit hallucination phenomena, but the underlying reasons remain poorly understood. In this paper, we present an empirical analysis and find that, although MLLMs incorrectly generate the objects in the final output, they are actually able to recognize visual objects in the preceding layers. We speculate that this may be due to the strong knowledge priors of the language model suppressing the visual information, leading to hallucinations. Motivated by this, we propose a novel dynamic correction decoding method for MLLMs (DeCo), which adaptively selects the appropriate preceding layers and proportionally integrates knowledge into the final layer to adjust the output logits. Note that DeCo is model agnostic and can be seamlessly incorporated with various classic decoding strategies and applied to different MLLMs. We evaluate DeCo on widely-used benchmarks, demonstrating that it can reduce hallucination rates by a large margin compared to baselines, highlighting its potential to mitigate hallucinations. Code is available at https://github.com/zjunlp/DeCo.