买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利一种面向多模态大模型序列生成的可信解码方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121074159B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511257896.6，技术领域涉及：G06T9/00；该发明授权一种面向多模态大模型序列生成的可信解码方法是由黄双萍;张格格;代港;何奇昇;韩有为;尹猎云设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本一种面向多模态大模型序列生成的可信解码方法在说明书摘要公布了：本发明公开了一种面向多模态大模型序列生成的可信解码方法，包括获取原始图像和文本输入；对原始图像分别进行局域聚焦和全域噪声处理；将原始图像、局部视觉输入和全域噪声视觉输入分别与文本输入输入至多模态大语言模型，获得原始输出、局域聚焦输出和全域噪声输出分布；基于原始输出、局域聚焦输出和全域噪声输出分布之间的差异，计算校准后的输出分布；结合模态依赖性评估准则动态识别高风险幻觉词元，利用校准后的输出分布对高风险幻觉词元的输出概率分布进行校准；面向多模态大模型序列生成的可信解码方法可有效缓解因统计偏差和语言先验导致的语义割裂和对象幻觉问题，显著提高多模态大语言模型在序列生成任务中的输出可靠性。

本发明授权一种面向多模态大模型序列生成的可信解码方法在权利要求书中公布了：1.一种面向多模态大模型序列生成的可信解码方法，其特征在于：包括以下步骤： 步骤1，获取原始图像和文本输入； 步骤2，对原始图像分别进行局域聚焦处理和全域噪声处理，获得局部视觉输入和全域噪声视觉输入； 步骤3，将原始图像、局部视觉输入和全域噪声视觉输入分别与文本输入共同输入至多模态大语言模型，获得生成词元的原始输出分布、局域聚焦输出分布和全域噪声输出分布； 步骤4，基于原始输出分布、局域聚焦输出分布和全域噪声输出分布之间的差异，计算校准后的输出分布； 步骤5，结合模态依赖性评估准则，动态识别高风险幻觉词元，利用校准后的输出分布对高风险幻觉词元的输出概率分布进行校准； 所述步骤5具体步骤如下： 步骤501，包括以下步骤： 步骤50101，在文本生成阶段，模型的解码器共有层，第层表示最后一层且包含个注意力头，为从输入的原始图像中通过模型的视觉编码器提取的视觉特征集合，为视觉特征数量，表示第个视觉特征；解码器生成第个token时，已有的前个token隐藏状态序列记为，对于解码器最后一层的每个注意力头，获取模型在生成第个token时，分配给每个视觉特征的注意力权重记为，表示视觉特征的索引；在最后一层所有注意力头上，对所有视觉特征的注意力权重之和的公式为： ； 其中，表示解码器第层中生成第个token时所有注意力头汇总后对所有视觉特征的注意力权重总和，即视觉注意力权重总和； 步骤50102，对于解码器最后一层的每个注意力头，分配给每个先前token隐藏状态的注意力权重记为，表示先前token隐藏状态的索引；在最后一层所有注意力头上，对每个先前文本token对应的隐藏状态的注意力权重之和的公式为： ； 其中，表示解码器第层中生成第个token时所有注意力头汇总后对先前所有文本token的注意力权重总和，即文本注意力权重总和； 步骤502，利用第个词元token的视觉注意力权重总和与文本注意力权重总和，计算生成第个词元token时的模态依赖性得分，具体公式为： ； 其中，； 步骤503，利用模态依赖性得分识别高风险幻觉词元； 步骤504，利用校准后的输出分布对高风险幻觉词元进行输出概率分布校准，得到最终的解码公式： ； ； 其中，表示第个token生成词元的模态依赖性得分，是一个预设的阈值；表示第个token之前的输出词元；表示第个token之前输出词元的原始输出分布；表示第个token之前输出词元的局域聚焦输出分布；表示第个token之前输出词元的全域噪声输出分布；为原始图像输入，为文本输入，为局部视觉输入，为全域噪声视觉输入，和为两个超参数，分别控制局域聚焦校准和全域噪声校准的强度，softmax表示归一化函数用于输出具体概率值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510000 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。