紫东太初开源视觉神经增强方法，即插即用终结多模态幻觉 | ACL 2025
紫东太初开源视觉神经增强方法，即插即用终结多模态幻觉 | ACL 2025通过“视觉神经增强”机制，直接放大模型中的视觉关键注意力头输出，显著降低模型的幻觉现象。
来自主题: AI技术研报
6834 点击 2025-06-28 11:25
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
通过“视觉神经增强”机制，直接放大模型中的视觉关键注意力头输出，显著降低模型的幻觉现象。
想象为《红楼梦》或《权力的游戏》创造一个AI的世界。书中的角色们变成AI，活在BookWorld当中。每天，他/她们醒来，思考，彼此对话、互动，建立感情和关系。
由香港中文大学团队撰写的语音语言模型综述论文《Recent Advances in Speech Language Models: A Survey》已成功被 ACL 2025 主会议接收！这是该领域首个全面系统的综述，为语音 AI 的未来发展指明了方向。
作者介绍： 本文作者来自通义实验室 RAG 团队，致力于面向下一代 RAG 技术进行基础研究。该团队 WebWalker 工作近期也被 ACL 2025 main conference 录用。
能够完成多步信息检索任务，涵盖多轮推理与连续动作执行的智能体来了。通义实验室推出WebWalker（ACL2025）续作自主信息检索智能体WebDancer。
随着大型语言模型（LLM）技术的不断发展，Chain-of-Thought（CoT） 等推理增强方法被提出，以期提升模型在数学题解、逻辑问答等复杂任务中的表现，并通过引导模型逐步思考，有效提高了模型准确率。
如果你正在开发Agent产品，一定听过或用过Mixture-of-Agents（MoA）架构。这个让多个AI模型协作解决复杂问题的框架，理论上能够集众家之长，实际使用中却让人又爱又恨：
人类的思维是非透明的，没有继承的记忆，因此需要通过语言交流的环境来学习。人类的知识传递长期依赖符号语言：从文字、数学公式到编程代码，我们通过符号系统将知识编码、解码。但这种方式存在天然瓶颈，比如信息冗余、效率低下等。
哈工大论文斩获ACL评审阶段已知最高分！考虑到英文键盘难以适配汉字特点及文化内涵，团队通过传感器捕捉手部书写，实现汉字的自然输入与识别；独创的中文字形编码使AI能深入理解汉字形态而非仅关注词义，推动AI从「识字」迈向「解字」。该研究革新了中文人机交互，推动了汉字文化传播与传承，更为AI深度理解汉字智慧开辟了新道路。
又有一个 AI Scientist 的论文通过了顶会同行评审。