# 自我参照验证减少多模态大语言模型的认同偏差

> 研究人员推出SGV这一两步方法，帮助多模态语言模型更可靠地识别错误操作，使下游任务表现最多提升25个百分点。

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

Moises Andrade及其同事提出了SGV，这是一种用于多模态大语言模型的验证技术：模型先列出正确行为应有的表现，再依据这份清单判断某个具体操作。论文显示，该方法能减少模型过度认可操作的倾向——这种现象称为认同偏差——使故障检测率最多提高25个百分点，整体准确率提高14个百分点。研究人员将验证器应用于OSWorld中的图形用户界面专用模型、RoboMimic中的扩散策略，以及VisualWebArena中的ReAct智能体；与此前最佳结果相比，这些验证器将任务完成率提高了约20个百分点。

## 事实

- SGV最多可将故障检测率提高25个百分点
- 在OSWorld、RoboMimic和VisualWebArena中，任务完成率提高约20个百分点

## 为什么重要

更好的验证能力能帮助AI智能体避免盲目自信，让视觉网页和机器人工具为用户提供更可靠的表现。

## 来源与参考

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

最后更新: 2026-11-13