arXiv 2026年10月5日该工作提出免训练的 OmniConfess：固定候选回答，在受控的逐通道证据干预下以 token 粒度重新打分，得到结构化的“token×通道”归因，据此保留有依据的内容并纠正由无关或矛盾证据驱动的表述，同时构建了由六个数据集组成、含 3,540 个样本、覆盖文本、图像、音频、视频以及判断与自由生成任务的 OmniHalluBench，实验显示其在异构模态与任务设定下缓解幻觉。该工作提出免训练的 OmniConfess：固定候选回答，在受控的逐通道证据干预下以 token 粒度重新打分，得到结构化的“token×通道”归因，据此保留有依据的内容并纠正由无关或矛盾证据驱动的表述，同时构建了由六个数据集组成、含 3,540 个样本、覆盖文本、图像、音频、视频以及判断与自由生成任务的 OmniHalluBench，实验显示其在异构模态与任务设定下缓解幻觉。OmniConfess 用逐 token 的通道证据归因，在文本、图像、音频、视频混合设定中缓解全模态幻觉该工作提出免训练的 OmniConfess：固定候选回答，在受控的逐通道证据干预下以 token 粒度重新打分，得到结构化的“token×通道”归因，据此保留有依据的内容并纠正由无关或矛盾证据驱动的表述，同时构建了由六个数据集组成、含 3,540 个样本、覆盖文本、图像、音频、视频以及判断与自由生成任务的 OmniHalluBench，实验显示其在异构模态与任务设定下缓解幻觉。该工作提出免训练的 OmniConfess：固定候选回答，在受控的逐通道证据干预下以 token 粒度重新打分，得到结构化的“token×通道”归因，据此保留有依据的内容并纠正由无关或矛盾证据驱动的表述，同时构建了由六个数据集组成、含 3,540 个样本、覆盖文本、图像、音频、视频以及判断与自由生成任务的 OmniHalluBench，实验显示其在异构模态与任务设定下缓解幻觉。