自适应扰动选择方法减少音频语言模型幻觉

一篇新arXiv论文（编号2607.00247）提出了一种自适应扰动选择方法，用于减少音频语言模型中的幻觉问题。音频语言模型在生成文本时往往出现与输入不符的内容，即幻觉。该方法通过从候选池中动态选择最有效的扰动样本，在训练和推理阶段提升模型对噪声的鲁棒性。实验结果表明，该方法在多个基准上大幅降低了幻觉率，同时保持了生成质量。这一工作为构建更可靠的音频AI系统提供了新思路。未来，这类技术可能广泛应用于语音助手和自动转录服务。