词元级不确定性

面向多模态大语言模型的不确定性感知探索式直接偏好优化

Uncertainty-Aware Exploratory Direct Preference Optimization for Multimodal Large Language Models

把词元级认知不确定性作为探索强度信号，替代模型自评的视觉敏感度来分配 DPO 训练权重，可直接迁移到任何需要细粒度视觉 grounding 监督的 MLLM 偏好对齐流程中。