标签
该论文揭示了音频-视觉大语言模型中"源混淆接地幻觉"的内在机制——问题中继（question-relay）会携带干扰模态的线索，并提出训练无关的SECRET方法，在保持生成位置通路的同时将问题状态导向所需的源证据，在CMM和AVHBench基准上相比基线模型最高提升18.0和7.1个百分点。