c_cpp_csharp的专栏

指令跟随视觉大语言模型（VLLMs）最近在各种任务上取得了重大进展。这些方法融合了强大的预训练视觉模型和大型语言模型（LLM）。由于这些组件是单独训练的，因此需要将学习到的表示与附加图像语言对的联合训练相一致。这个过程并不完美，可能会导致模型产生幻觉——提供的答案不能准确反映图像，即使核心LLM是高度真实的，并且视觉主干具有足够完整的表示。在这项工作中，我们将幻觉问题定义为一个对齐问题，并通过偏好调整来解决它。具体来说，我们提出了POVID来生成具有AI模型的反馈数据。