Groc-PO：面向真实多模态大语言模型的接地上下文偏好优化
Groc-PO: Grounded Context Preference Optimization for Truthful Multimodal LLMs
AI 导读
Groc-PO 通过分阶段接地偏好监督缓解多模态大语言模型的视觉幻觉、内容虚构等真实性问题。其针对标准 DPO 通常只优化最终答案、早期接地错误易跨阶段传播的短板，围绕对象接地、上下文接地、接地推理三阶段构建多阶段偏好数据集 GCPD。实验显示，Groc-PO 在幻觉缓解、忠实推理和整体可靠性上优于标准 DPO 及强基线。