# La verifica autonoma riduce il bias di approvazione nei modelli multimodali

> I ricercatori presentano SGV, un metodo in due fasi che aiuta i modelli multimodali a riconoscere con maggiore affidabilità le azioni errate, migliorando fino a 25 punti percentuali le prestazioni nelle attività successive.

Oossa · 2026-11-13 · https://oossa.com/it/self-grounded-verification-reduces-agreement-bias-in-multimodal-llms

Moises Andrade e i suoi colleghi presentano SGV, una tecnica di verifica per i modelli multimodali che prima chiede al modello di elencare le caratteristiche di un comportamento corretto e poi valuta una specifica azione confrontandola con quell’elenco. Lo studio mostra che il metodo riduce la tendenza dei modelli ad approvare troppo spesso le azioni, definita bias di approvazione, e aumenta fino a 25 punti percentuali il rilevamento degli errori e di 14 punti percentuali la precisione complessiva. Applicati a uno specialista di interfacce grafiche in OSWorld, a una policy di diffusione in RoboMimic e a un agente ReAct in VisualWebArena, i verificatori migliorano il completamento delle attività di circa 20 punti percentuali rispetto ai migliori risultati precedenti.

## I fatti

- SGV migliora fino a 25 punti percentuali il rilevamento degli errori
- Miglioramento di circa 20 punti percentuali nel completamento delle attività su OSWorld, RoboMimic e VisualWebArena

## Perché conta

Una verifica migliore aiuta gli agenti IA a evitare false certezze e offre agli utenti strumenti di robotica e navigazione visuale sul web prestazioni più affidabili.

## Fonti e riferimenti

1. [Let's Think in Two Steps: Mitigating Agreement Bias in MLLMs with Self-Grounded Verification](https://arxiv.org/abs/2507.11662) – arXiv cs.MA, 2026-11-13

Ultimo aggiornamento: 2026-11-13