論文の概要: TIGER: Traceable Inference with Graph-Based Evidence Routing for Mitigating Hallucinations in Multimodal Generation

• arxiv url: http://arxiv.org/abs/2606.00232v1
• Date: Fri, 29 May 2026 18:06:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.169
• Title: TIGER: Traceable Inference with Graph-Based Evidence Routing for Mitigating Hallucinations in Multimodal Generation
• Title（参考訳）: TIGER:マルチモーダル生成における幻覚の緩和のためのグラフベースエビデンスルーティングによるトレース可能な推論
• Abstract要約: 我々は、局所的な修復のためにフィードバックを再設計する推論時フレームワークであるTIGERを提案する。 TIGERは、入力から観測グラフと現在の出力からクレームグラフを独立して抽出し、サポートと競合に基づいて各クレームにグラフ条件のリスクスコアを割り当てる。 Image-to-text, Image+text-to-text, audio-to-text, Video-to-textを含む4つの横断的なパスの実験では、タスク品質を維持しながら、TIGERがサポートコンテンツを減らすことが示されている。
• 参考スコア（独自算出の注目度）: 14.500394830797433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study fact-level repair for multimodal generation, where a fluent output may contain specific facts that are not supported by the input. Existing inference-time repair methods often generate feedback by jointly conditioning on the input and the current output. This design has two limitations: hallucinated claims in the output can bias the model's interpretation of the input, and free-form feedback cannot be ranked or scheduled at the fact level. We present TIGER, an inference-time framework that redesigns feedback for localized repair. TIGER independently extracts an observation graph from the input and a claim graph from the current output, then assigns each claim a graph-conditioned risk score based on support and conflict. The model repairs selected high-risk claims while keeping the backbone frozen. We provide a convergence analysis showing that the expected total risk decreases geometrically to an explicit asymptotic bound under mild assumptions. Experiments across four cross-modal paths, including image-to-text, image+text-to-text, audio-to-text, and video-to-text, show that TIGER reduces unsupported content while preserving task quality. The gains hold across multiple backbones, and a CrisisFACTS case study suggests that the same repair mechanism can improve grounding in multi-source settings.
• Abstract（参考訳）: 本稿では,マルチモーダル生成のためのファクトレベル修復について検討する。 既存の推論時修復法は、入力と電流の出力を協調条件付けすることでフィードバックを生成することが多い。 この設計には2つの制限がある: 出力における幻覚的クレームは、入力に対するモデルの解釈に偏りがあり、自由形式のフィードバックは、事実レベルでランク付けまたはスケジュールできない。 我々は、局所的な修復のためにフィードバックを再設計する推論時フレームワークであるTIGERを提案する。 TIGERは、入力から観測グラフと現在の出力からクレームグラフを独立して抽出し、サポートと競合に基づいて各クレームにグラフ条件のリスクスコアを割り当てる。 モデルの修理は、背骨を凍結させながら、高いリスクのクレームを選択した。 本研究では, 予測総リスクが, 軽度仮定下での明示的漸近境界に幾何学的に減少することを示す収束解析を行う。 Image-to-text, Image+text-to-text, audio-to-text, Video-to-textを含む4つの横断的なパスの実験では、タスク品質を維持しながら、TIGERがサポートコンテンツを減らすことが示されている。 ゲインは複数のバックボーンにまたがって保持され、CrisisFACTSケーススタディでは、同じ修復機構がマルチソース設定でのグラウンド化を改善する可能性があることを示唆している。

関連論文リスト

• TRACE: Trajectory-robust Admission with Evidence Ordering for Efficient GUI Agents [54.88208747581851]
  トレーニング不要のビジュアルトークンプルーニングは、このコストを削減することができるが、キャッシュ再利用には基本的な制約が伴う。 我々は,emphtextbfTrajectory-textbfrobust textbfAdmission と textbfCoverage-aware textbfEvidence ordering のためのトレーニング不要フレームワーク textbfmethod を提案する。
  論文  参考訳（メタデータ） (2026-09-09T15:12:48Z)
• Adaptive Recurrent Message Passing for Test Time Computing on Graphs [80.56829418752513]
  繰り返しグラフモデルでは,グラフデータとアーキテクチャ設計の固有のミスマッチを克服できることを示す。 本稿では,アダプティブ・リカレントグラフモデルであるAdaRを提案する。
  論文  参考訳（メタデータ） (2026-06-21T12:14:11Z)
• Does Text Actually Help? Uncovering and Resolving Text Collapse in Multimodal Time Series Forecasting [7.885089945243776]
  テキストの崩壊は時系列予測における基本的な非対称性の結果であると主張する。 textbfREST-TS(textbfResidual-textbf Exclusive textbfSupervision for textbfText in textbfTime textbfSeries)を提案する。
  論文  参考訳（メタデータ） (2026-06-17T15:47:26Z)
• Diagnosing Failure Modes of Shared-State Collaboration in Resource-Constrained Visual Agents [2.5754366051855837]
  雑音蓄積のレンズを用いて,弱い学習者との協調推論の失敗モードについて検討した。 本稿では,文書視覚的質問応答における情報の流れをトレースするために,読み書き検証ループを形式化する監査フレームワークであるCoSeeを紹介する。 ノイズ強化(Noss Reinforcement)、未解決のノートを証拠として再利用するPolicy Collapse(Policy Collapse)という2つの主要な障害モードを特定します。
  論文  参考訳（メタデータ） (2026-05-29T14:29:56Z)
• The Attribution Blind Spot: Detecting When Language Models Rely on Memory Rather Than Retrieved Context [22.202409807556517]
  帰属盲点に対処するために,計算現実モニタリングを導入する。 CRMは、認知科学の現実監視フレームワークから適応した原則を運用する。 プレトレーニングされた露光が測定可能な内部軌道シグネチャを残すかどうかを検出する。
  論文  参考訳（メタデータ） (2026-05-26T09:48:51Z)
• Why Retrieval-Augmented Generation Fails: A Graph Perspective [40.34482080762174]
  本稿では,検索された証拠が回答生成にどのように影響するかを検証した検索強化生成のモデル内研究について述べる。 属性-グラフトポロジ機能を用いたグラフベースの誤り検出フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-05-13T23:18:07Z)
• The Cost of Context: Mitigating Textual Bias in Multimodal Retrieval-Augmented Generation [18.83395586542378]
  MLLM(Multimodal Large Language Models)とRAG(Retrieval-Augmented Generation)の統合が進んでいる 再破壊現象を特定し, 定式化した上で, 完全に正確な「おかしな」コンテキストを導入することで, 有能なモデルが早期に正しい予測を放棄する。 本稿では,BAIR(Bottleneck Attention Intervention for Recovery)を提案する。
  論文  参考訳（メタデータ） (2026-05-07T02:27:04Z)
• Counting Worlds Branching Time Semantics for post-hoc Bias Mitigation in generative AI [39.146761527401424]
  我々は、一連の生成AI出力のバイアスを推論するために設計された分岐時間論理であるCTLFを紹介する。 出力系列の異なる点において、CTLF式が具体的な公正性をどう表現できるかを示す。
  論文  参考訳（メタデータ） (2026-04-21T13:00:47Z)
• Self-Corrected Image Generation with Explainable Latent Rewards [55.29175717238288]
  我々は、説明可能なLatent RewarDを通じて生成をガイドする自己修正フレームワークであるxLARDを提案する。 xLARDは、モデル生成参照からの構造化されたフィードバックに基づいて遅延表現を洗練する軽量な修正器を導入している。 実験により、xLARDは、生成前の状態を維持しながら、意味的アライメントと視覚的忠実性を改善することが示された。
  論文  参考訳（メタデータ） (2026-03-26T02:59:35Z)
• Adaptive Guidance for Retrieval-Augmented Masked Diffusion Models [60.25003813232697]
  本稿では,Masked Diffusion Models (MDMs) のトレーニング自由適応ガイダンスフレームワークとして,適応検索型Masked Diffusion (ARAM) を提案する。 ARAMは、検索した文脈によって誘導される分布シフトのSNR(Signal-to-Noise Ratio)に従って、雑音発生時の誘導スケールを校正する。 複数の知識集約型QAベンチマークの実験は、ARAMが競争力のあるRAGベースラインよりも全体的なQA性能を改善することを示している。
  論文  参考訳（メタデータ） (2026-03-18T12:54:50Z)
• Lost in the Noise: How Reasoning Models Fail with Contextual Distractors [57.31788955167306]
  推論モデルとエージェントAIシステムの最近の進歩は、多様な外部情報への依存度を高めている。 NoisyBenchは、RAGの11のデータセット、推論、アライメント、ツール使用タスクに対して、モデルロバスト性を体系的に評価する包括的なベンチマークである。 評価の結果,文脈的障害に直面した場合,最先端モデルでは最大80%の破滅的な性能低下がみられた。
  論文  参考訳（メタデータ） (2026-01-12T05:43:51Z)
• Mitigating Multimodal Hallucinations via Gradient-based Self-Reflection [49.26064449816502]
  本研究では,テキスト・視覚バイアスと共起バイアスに対処するために,グラディエントベースのインフルエンス・アウェア制約付きデコーディング(GACD)手法を提案する。 GACDは幻覚を効果的に低減し、MLLM出力の視覚的接地を改善する。
  論文  参考訳（メタデータ） (2025-09-03T08:13:52Z)
• Mutual Information Alleviates Hallucinations in Abstractive Summarization [73.48162198041884]
  モデルが生成中の幻覚コンテンツにより多くの確率を割り当てる可能性が著しく高いという単純な基準を見いだす。 この発見は幻覚の潜在的な説明を提供する:モデルは、継続について不確実な場合には、高い限界確率のテキストを好むことをデフォルトとする。 そこで本研究では,ターゲットトークンの正当性ではなく,ソースとターゲットトークンのポイントワイドな相互情報の最適化に切り替える復号手法を提案する。
  論文  参考訳（メタデータ） (2022-10-24T13:30:54Z)
• CR-Fill: Generative Image Inpainting with Auxiliary Contexutal Reconstruction [143.7271816543372]
  本稿では,このようなパッチボローイング動作を,補助的文脈再構成タスクの協調訓練により,注意のないジェネレータに教えることを提案する。 補助分岐を学習可能な損失関数と見なすことができ、クエリ参照特徴類似性と参照ベース再構成器を塗布ジェネレータと共同最適化する。 実験結果から,提案した塗装モデルは,定量的および視覚的性能の観点から,最先端技術と比較して好適に比較できることが示された。
  論文  参考訳（メタデータ） (2020-11-25T15:45:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。