paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
LS

Lingfeng Su

ACL 2026ICLR 2026安全推理强化学习与后训练多模态可解释性
新星分贡献者
38
一作贡献0
核心/参与10
方向广度13
合作网络3
0 一作 · 2 篇 · ACL 2026 / ICLR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
作者位次 #6/10ACL 2026Poster· Natural Language Processing

Vision-Language Introspection: Mitigating Overconfident Hallucinations in MLLM s via Interpretable Bi-Causal Steering

Shuliang Liu · Songbo Yang · Dong Fang · Sihang Jia · Yuqi Tang · Lingfeng Su · Ruoshui Peng · Yibo Yan · Xin Zou · Xuming Hu

摘要

Object hallucination critically undermines the reliability of Multimodal Large Language Models (MLLMs), often stemming from a fundamental failure in cognitive introspection—where models blindly trust linguistic priors over specific visual evidence. Existing mitigations remain limited: contrastive...

多模态可解释性对齐与偏好OpenReview 项目页

常见合作者