遏制AI幻觉：苹果DeepMMSearch-R1论文揭秘“图像裁剪”搜索术

《遏制AI幻觉：苹果DeepMMSearch-R1论文揭秘“图像裁剪”搜索术》是一篇关于人工智能（AI）领域的论文，该论文探讨了苹果公司的DeepMMSearch-R1项目中使用的一种技术——图像裁剪搜索术。，在当前的人工智能领域，人们常常面临着AI幻觉的问题，即机器学习模型由于缺乏足够的数据而导致错误预测的情况，在这篇论文中，研究者发现了一种创新的技术，它能够有效地解决这一问题。，通过深入分析和应用这种方法，研究人员揭示了一个令人惊讶的事实：利用图像裁剪搜索术，他们不仅能够提高模型的准确率，还能够在一定程度上克服AI幻觉的影响，这表明，即使在面对大量数据不足的情况下，也可以通过合理的算法和技术来优化AI系统的性能。，这篇文章展示了如何运用新技术来提升人工智能系统的表现，并且提供了实际可行的方法来应对AI幻觉的问题，这不仅为未来的研究和发展提供了新的方向，也为实际应用中的AI系统提出了更高的要求。

IT之家 1 月 15 日消息，科技媒体 Appleinsider 今天（1 月 15 日）发布博文，报道称苹果发表重磅研究论文，详细介绍名为 DeepMMSearch-R1 的 AI 模型，重点优化 AI 在复杂视觉场景下的搜索逻辑，用“裁剪”治愈 AI 幻觉。

针对现有 AI 模型在处理复杂视觉信息时常出现的“答非所问”或“漏看”问题，苹果推出了 DeepMMSearch-R1 模型。传统模型在面对“图中左上角那只鸟的最高时速是多少”这类复合问题时，往往因无法聚焦局部细节而给出错误的平均数据。

DeepMMSearch-R1 引入了独特的“视觉定位工具（Grounding Tool）”，能够主动裁剪图片以剔除干扰信息，先精准识别微小目标，再进行针对性的网络搜索验证，从而确保答案的事实准确性。

为确保模型仅在必要时才启用裁剪功能以节省算力，研究人员采用了“监督微调（SFT）+ 在线强化学习（RL）”的组合训练法。SFT 负责教会模型“不乱剪”，而 RL 则提升了工具调用的效率。

测试数据显示，该模型在处理需精准图文对应的问题上，表现显著优于目前的 RAG（检索增强生成）工作流及基于提示词的搜索智能体，成功解决了 AI 在常识性事实检索中的“偷懒”现象。

IT之家附上参考地址

标签： 幻觉 图像 苹果